1คิวซีแวร์
2มหาวิทยาลัยแห่งปารีส, CNRS, IRIF
3การวิจัยเชิงปริมาณ, JPMorgan Chase
4การวิจัยประยุกต์เทคโนโลยีระดับโลก, JPMorgan Chase
พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.
นามธรรม
การเรียนรู้ของเครื่องควอนตัมมีศักยภาพในการสร้างผลกระทบการเปลี่ยนแปลงในภาคอุตสาหกรรมและโดยเฉพาะอย่างยิ่งในด้านการเงิน ในงานของเรา เรามองไปที่ปัญหาของการป้องกันความเสี่ยง โดยที่การเรียนรู้แบบเสริมกำลังเชิงลึกนำเสนอกรอบงานที่มีประสิทธิภาพสำหรับตลาดจริง เราพัฒนาวิธีการเรียนรู้การเสริมกำลังควอนตัมโดยอิงจากการค้นหานโยบายและอัลกอริธึมนักแสดงและนักวิจารณ์การกระจายที่ใช้สถาปัตยกรรมเครือข่ายประสาทควอนตัมที่มีเลเยอร์มุมฉากและเลเยอร์ประกอบสำหรับฟังก์ชันนโยบายและค่า เราพิสูจน์ว่าเครือข่ายประสาทควอนตัมที่เราใช้นั้นสามารถฝึกได้ และเราทำการจำลองอย่างกว้างขวางซึ่งแสดงให้เห็นว่าแบบจำลองควอนตัมสามารถลดจำนวนพารามิเตอร์ที่ฝึกได้ในขณะที่บรรลุประสิทธิภาพที่เทียบเคียงได้ และวิธีการกระจายได้รับประสิทธิภาพที่ดีกว่าแนวทางมาตรฐานอื่นๆ ทั้งแบบดั้งเดิมและควอนตัม . เราประสบความสำเร็จในการนำแบบจำลองที่นำเสนอไปใช้กับโปรเซสเซอร์ควอนตัมไอออนดักจับ โดยใช้วงจรที่มีคิวบิตสูงถึง 16$ และสังเกตประสิทธิภาพที่สอดคล้องกับการจำลองแบบไร้เสียงรบกวนได้ดี เทคนิคควอนตัมของเราเป็นเทคนิคทั่วไปและสามารถนำไปใช้กับปัญหาการเรียนรู้แบบเสริมกำลังอื่นๆ นอกเหนือจากการป้องกันความเสี่ยง
► ข้อมูล BibTeX
► ข้อมูลอ้างอิง
[1] ฮันส์ บูห์เลอร์, ลูคัส โกนอน, โจเซฟ ไทค์มันน์ และเบน วูด “การป้องกันความเสี่ยงเชิงลึก”. การเงินเชิงปริมาณ 19, 1271–1291 (2019) URL: https:///doi.org/10.1080/14697688.2019.1571683.
https://doi.org/10.1080/14697688.2019.1571683
[2] ฮันส์ บูห์เลอร์, ลูคัส โกนอน, โจเซฟ ไทค์มันน์, เบน วู้ด, บารานิธารัน โมฮาน และโจนาธาน โคเคมส์ “การป้องกันความเสี่ยงเชิงลึก: การป้องกันความเสี่ยงอนุพันธ์ภายใต้ความขัดแย้งของตลาดทั่วไปโดยใช้การเรียนรู้แบบเสริมกำลัง” วารสารอิเล็กทรอนิกส์ SSRN (2019) URL: http:///dx.doi.org/10.2139/ssrn.3355706.
https://doi.org/10.2139/ssrn.3355706
[3] ซื่อห่าว กู่, ไบรอัน ที. เคลลี่ และต้าเฉิง ซิ่ว “การกำหนดราคาสินทรัพย์เชิงประจักษ์ผ่านการเรียนรู้ของเครื่อง” วารสารอิเล็กทรอนิกส์ SSRN (2018) URL: http:///dx.doi.org/10.2139/ssrn.3159577.
https://doi.org/10.2139/ssrn.3159577
[4] เฮียง คยู ชอย. “การทำนายค่าสัมประสิทธิ์สหสัมพันธ์ราคาหุ้นด้วยโมเดลไฮบริด ARIMA-LSTM” (2018) URL: https:///doi.org/10.48550/arXiv.1808.01560.
https://doi.org/10.48550/arXiv.1808.01560
[5] ยาดา จู, จิโอวานนี่ มาริอานี และเจียนโป ลี่ “ศาสนา: การวิเคราะห์พอร์ตโฟลิโอด้วยเครือข่ายปฏิปักษ์ทั่วไป” วารสารอิเล็กทรอนิกส์ SSRN (2020) URL: https:///dx.doi.org/10.2139/ssrn.3755355.
https://doi.org/10.2139/ssrn.3755355
[6] คัง จาง, กั๋วเฉียงจง, จุนหยูตง, เซิ่งเค่อหวาง และหยงหวาง “การทำนายตลาดหุ้นตามเครือข่ายปฏิปักษ์ทั่วไป” วิทยาการคอมพิวเตอร์ Procedia 147, 400–406 (2019) URL: https:///doi.org/10.1016/j.procs.2019.01.256.
https:///doi.org/10.1016/j.procs.2019.01.256
[7] อัลบาโร การ์เตอา, เซบาสเตียน ไจมุงกัล และเลอันโดร ซานเชซ-เบตันคอร์ต “การเรียนรู้การเสริมกำลังเชิงลึกสำหรับการซื้อขายอัลกอริทึม” วารสารอิเล็กทรอนิกส์ SSRN (2021) URL: https:///dx.doi.org/10.2139/ssrn.3812473.
https://doi.org/10.2139/ssrn.3812473
[8] เยว่เติ้ง, เฟิงเปา, โหยวหยงคง, จือฉวนเหริน และเชียงไห่ไต “การเรียนรู้การเสริมกำลังโดยตรงเชิงลึกเพื่อการเป็นตัวแทนสัญญาณทางการเงินและการซื้อขาย” ธุรกรรม IEEE บนโครงข่ายประสาทเทียมและระบบการเรียนรู้ 28, 653–664 (2017) URL: https:///doi.org/10.1109/TNNLS.2016.2522401.
https://doi.org/10.1109/TNNLS.2016.2522401
[9] หยุนเชา หลิว, ศรีนิวาสัน อรุณาชาลัม และคริสตัน เทมเม “การเร่งความเร็วควอนตัมที่เข้มงวดและแข็งแกร่งในการเรียนรู้ของเครื่องภายใต้การดูแล” ฟิสิกส์ธรรมชาติ 2021 17:9 17, 1013–1017 (2021) URL: https:///doi.org/10.1038/s41567-021-01287-z.
https://doi.org/10.1038/s41567-021-01287-z
[10] ชานทานาฟ ชาคราบอร์ตี, อันดราส กิเลียน และสเตซีย์ เจฟเฟอรี “พลังของพลังเมทริกซ์ที่เข้ารหัสด้วยบล็อก: เทคนิคการถดถอยที่ได้รับการปรับปรุงผ่านการจำลองแฮมิลตันที่เร็วขึ้น” ใน Christel Baier, Ioannis Chatzigiannakis, Paola Flocchini และ Stefano Leonardi บรรณาธิการของ Colloquium นานาชาติครั้งที่ 46 เรื่อง Automata ภาษาและการเขียนโปรแกรม (ICALP 2019) เล่มที่ 132 ของ Leibniz International Proceedings in Informatics (LIPIcs) หน้า 33:1–33:14 แดกสตูห์ล, เยอรมนี (2019) Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik. URL: https:///doi.org/10.4230/LIPIcs.ICALP.2019.33.
https://doi.org/10.4230/LIPIcs.ICALP.2019.33
[11] อันดราส กีเยน, ศรีนิวาสัน อรุณาชาลัม และนาธาน วีเบ “การเพิ่มประสิทธิภาพอัลกอริธึมการเพิ่มประสิทธิภาพควอนตัมผ่านการคำนวณการไล่ระดับควอนตัมที่เร็วขึ้น” ในการประชุมสัมมนา ACM-SIAM Symposium on Discrete Algorithms (SODA) ประจำปี 2019 หน้า 1425–1444. (2019) URL: https:///doi.org/10.1137/1.9781611975482.87.
https://doi.org/10.1137/1.9781611975482.87
[12] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และ Patrick J. Coles “อัลกอริธึมควอนตัมแบบแปรผัน” บทวิจารณ์ธรรมชาติฟิสิกส์ 3, 625–644 (2021) URL: https:///doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
[13] Iordanis Kerenidis, Anupam Prakash และ Dániel Szilágyi “อัลกอริทึมควอนตัมเพื่อการเพิ่มประสิทธิภาพพอร์ตโฟลิโอ” ในการประชุม ACM ครั้งที่ 1 เรื่องความก้าวหน้าทางเทคโนโลยีทางการเงิน หน้า 147–155. ซูริก สวิตเซอร์แลนด์ (2019) พลอากาศเอก. URL: https:///doi.org/10.1145/3318041.3355465.
https://doi.org/10.1145/3318041.3355465
[14] ลูคัส เลแคลร์ก, หลุยส์ ออร์ติซ-กุยติเอร์เรซ, เซบาสเตียน กริฆัลวา, บอริส อัลเบรชท์, จูเลีย อาร์เค ไคลน์, วินเซนต์ เอลฟ์วิ่ง, อาเดรียง ซิกโนลส์, โลอิก อองเรียต, จานนี่ เดล บิมโบ, อุสมาน ยับ ชีค, ไมทรี ชาห์, ลุค อันเดรีย, ไฟซัล อิชเทียค, อันโดนี่ ดูอาร์เต้, ซามูเอล มูเกล, ไอรีน กาเซเรส, มิเชล กูเร็ก, โรมัน โอรุส, อชราฟ เซดดิก, อูไมมา ฮัมมัมมี, ฮาซีน อิสเซลนาเน และดิดิเยร์ เอ็มตามอน “การจัดการความเสี่ยงทางการเงินด้วยโปรเซสเซอร์ควอนตัมอะตอมที่เป็นกลาง” (2022) URL: https:///doi.org/10.48550/arXiv.2212.03223.
https://doi.org/10.48550/arXiv.2212.03223
[15] ดิมิทริออส เอ็มมานูโลปูลอส และ โซฟิจา ดิมอสก้า “การเรียนรู้ของเครื่องควอนตัมในด้านการเงิน: การพยากรณ์อนุกรมเวลา” (2022) URL: https:///doi.org/10.48550/arXiv.2202.00599.
https://doi.org/10.48550/arXiv.2202.00599
[16] แพทริค รีเบนทรอสต์, บราเยช กุปต์ และโธมัส อาร์. บรอมลีย์ “การเงินเชิงควอนตัม: การกำหนดราคาอนุพันธ์ทางการเงินของมอนติคาร์โล” การตรวจร่างกาย A 98, 022321 (2018) URL: https:///doi.org/10.1103/PhysRevA.98.022321.
https://doi.org/10.1103/PhysRevA.98.022321
[17] เจา เอฟ. โดริเกลโล, อเลสซานโดร ลูอองโก, จินเงะ เบ้า, แพทริค เรเบนทรอสต์ และมิโคลส ซานธา “อัลกอริทึมควอนตัมสำหรับปัญหาการหยุดสุ่มที่เหมาะสมที่สุดกับการประยุกต์ในด้านการเงิน” ใน François Le Gall และ Tomoyuki Morimae บรรณาธิการ การประชุมครั้งที่ 17 เกี่ยวกับทฤษฎีการคำนวณควอนตัม การสื่อสาร และการเข้ารหัส (TQC 2022) เล่มที่ 232 ของ Leibniz International Proceedings in Informatics (LIPIcs) หน้า 2:1–2:24 แดกสตูห์ล, เยอรมนี (2022) ชลอส ดากสทูห์ล – ไลบ์นิซ-เซนทรัม ฟูร์ อินฟอร์มาติก URL: https:///doi.org/10.4230/LIPIcs.TQC.2022.2.
https://doi.org/10.4230/LIPIcs.TQC.2022.2
[18] ปราดีป นิรูลา, รุสลัน เชย์ดูลิน, โรมินา ยาโลเวตซกี้, ปิแอร์ มินส์เซน, ดีแลน เฮอร์แมน, เชาฮาน หู และมาร์โก พิสโตเอีย “การเพิ่มประสิทธิภาพควอนตัมแบบจำกัดสำหรับการสรุปแบบแยกส่วนบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่” รายงานทางวิทยาศาสตร์ 12 (2022) URL: https:///doi.org/10.1038/s41598-022-20853-w.
https://doi.org/10.1038/s41598-022-20853-w
[19] อเล็กซานเดอร์ เมนาร์, อีวาน ออสโตยิช, มาร์ก พาเทล และแดเนียล โวลซ์ “แผนเกมสำหรับการคำนวณควอนตัม” McKinsey รายไตรมาส (2020) url: https:///www.mckinsey.com/capabilities/mckinsey-digital/our-insights/a-game-plan-for-quantum-computing
https:///www.mckinsey.com/capabilities/mckinsey-digital/our-insights/a-game-plan-for-quantum-computing
[20] ดีแลน เฮอร์แมน, โคดี กูจิน, เซียวหยวน หลิว, อเล็กเซย์ กัลดา, อิลยา ซาโฟร, เยว่ ซุน, มาร์โก พิสโตเอีย และ ยูริ อเล็กซีเยฟ “การสำรวจคอมพิวเตอร์ควอนตัมทางการเงิน” (2022) URL: https:///doi.org/10.48550/arXiv.2201.02773.
https://doi.org/10.48550/arXiv.2201.02773
[21] จาร์รอด อาร์. แมคคลีน, เซอร์จิโอ โบโซ, วาดิม เอ็น. สเมเลียนสกี้, ไรอัน แบบบุช และฮาร์ทมุท เนเวน “ที่ราบแห้งแล้งในภูมิทัศน์การฝึกอบรมเครือข่ายประสาทควอนตัม” การสื่อสารธรรมชาติ 9, 4812 (2018) URL: https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4
[22] อิออร์ดานิส เคเรนิดิส, โจนาส แลนด์แมน และนาธานช มาเธอร์ “อัลกอริทึมแบบคลาสสิกและควอนตัมสำหรับโครงข่ายประสาทเทียมแบบตั้งฉาก” (2022) URL: https:///doi.org/10.48550/arXiv.2106.07198.
https://doi.org/10.48550/arXiv.2106.07198
[23] เซบิน หยาง, อ้ายจุน จาง และอากุส สุดเจียนโต “การเพิ่มความสามารถในการอธิบายของโครงข่ายประสาทเทียมผ่านข้อจำกัดทางสถาปัตยกรรม” ธุรกรรม IEEE บนโครงข่ายประสาทเทียมและระบบการเรียนรู้ 32, 2610–2621 (2021) URL: https:///doi.org/10.1109/TNNLS.2020.3007259.
https://doi.org/10.1109/TNNLS.2020.3007259
[24] ช่วย ลี, กุย เจีย, หยูซิน เหวิน, ถงเหลียง หลิว และ ต้าเฉิง เต๋า “โครงข่ายประสาทเชิงลึกเชิงมุมฉาก” ธุรกรรม IEEE เกี่ยวกับการวิเคราะห์รูปแบบและความฉลาดของเครื่องจักร 43, 1352–1368 (2021) URL: https:///doi.org/10.1109/TPAMI.2019.2948352.
https://doi.org/10.1109/TPAMI.2019.2948352
[25] อัลฮุสเซน ฟาวซี, มาเตจ บาล็อก, อายา ฮวง, โธมัส ฮูเบิร์ต, แบร์นาร์ดิโน โรเมรา-ปาเรเดส, โมฮัมมาดามิน บาเรกาเทน, อเล็กซานเดอร์ โนวิคอฟ, ฟรานซิสโก เจอาร์ รุยซ์, จูเลียน ชริทวิเซอร์, กราเซกอร์ซ สเวียร์สซ์, เดวิด ซิลเวอร์, เดมิส ฮาสซาบิส และปุชมีต โคห์ลี “การค้นพบอัลกอริธึมการคูณเมทริกซ์ที่เร็วขึ้นด้วยการเรียนรู้แบบเสริมแรง” ธรรมชาติ 610, 47–53 (2022) URL: https:///doi.org/10.1038/s41586-022-05172-4.
https://doi.org/10.1038/s41586-022-05172-4
[26] แคลร์ ไลล์, มาร์ค จี. เบลล์มาเร และปาโบล ซามูเอล คาสโตร “การวิเคราะห์เปรียบเทียบการเรียนรู้แบบเสริมกำลังที่คาดหวังและแบบกระจาย”. การดำเนินการของการประชุม AAAI เกี่ยวกับปัญญาประดิษฐ์ 33, 4504–4511 (2019) URL: https:///doi.org/10.1609/aaai.v33i01.33014504.
https://doi.org/10.1609/aai.v33i01.33014504
[27] “ควอนตินัม H1-1, H1-2” https:///www.quantinuum.com/ (2022) เข้าถึงได้: 15-22 พฤศจิกายน 2022; วันที่ 7-12 ธันวาคม 2022
https:///www.quantinuum.com/
[28] แดเนียล เจ. บรอด “การจำลองวงจรแมชเกตแบบคลาสสิกที่มีประสิทธิภาพพร้อมอินพุตและการวัดทั่วไป” การทบทวนทางกายภาพ A 93 (2016) URL: https:///doi.org/10.1103/physreva.93.062332.
https://doi.org/10.1103/physreva.93.062332
[29] แมทธิว แอล. โกห์, มาร์ติน ลารอกกา, ลูคัส ซินซิโอ, เอ็ม. เซเรโซ และเฟรเดริก โซเวจ “การจำลองคลาสสิกพีชคณิตโกหกสำหรับการคำนวณควอนตัมแบบแปรผัน” (2023) URL: https:///doi.org/10.48550/arXiv.2308.01432.
https://doi.org/10.48550/arXiv.2308.01432
[30] มิคาล ออสซมาเนียค, นินนัท ดังเนียม, เมาโร อีเอส โมราเลส และโซลแทน ซิมโบราส “การสุ่มตัวอย่างแบบเฟอร์มิออน: รูปแบบความได้เปรียบในการคำนวณควอนตัมที่แข็งแกร่งโดยใช้ออปติกเชิงเส้นแบบเฟอร์มิออนและสถานะอินพุตเวทย์มนตร์” PRX ควอนตัม 3 (2022) URL: https:///doi.org/10.1103/PRXQuantum.3.020328.
https://doi.org/10.1103/PRXQuantum.3.020328
[31] ไมเคิล เอ. นีลเส็น และไอแซค แอล. ชวง “การคำนวณควอนตัมและข้อมูลควอนตัม: ฉบับครบรอบ 10 ปี” สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์. (2012) ฉบับที่ 1 URL: https:///doi.org/10.1017/CBO9780511976667.
https://doi.org/10.1017/CBO9780511976667
[32] อาร์เอส ซัตตัน และ เอจี บาร์โต “การเรียนรู้แบบเสริมกำลัง: บทนำ”. ธุรกรรม IEEE บนโครงข่ายประสาทเทียม 9, 1054–1054 (1998) URL: https:///doi.org/10.1109/TNN.1998.712192.
https://doi.org/10.1109/TNN.1998.712192
[33] ไค อรุลกุมารัน, มาร์ค ปีเตอร์ ไดเซนรอธ, ไมล์ส บรันเดจ และอนิล แอนโทนี่ บาราธ “การเรียนรู้การเสริมกำลังเชิงลึก: แบบสำรวจโดยย่อ”. นิตยสารการประมวลผลสัญญาณ IEEE 34, 26–38 (2017) URL: https:///doi.org/10.1109/MSP.2017.2743240.
https://doi.org/10.1109/MSP.2017.2743240
[34] แมกนัส วีส, เหลียนจุน ไป่, เบน วู้ด และฮันส์ บูห์เลอร์ “การป้องกันความเสี่ยงเชิงลึก: เรียนรู้ที่จะจำลองตลาดออปชั่นตราสารทุน” วารสารอิเล็กทรอนิกส์ SSRN (2019) URL: https:///dx.doi.org/10.2139/ssrn.3470756.
https://doi.org/10.2139/ssrn.3470756
[35] ฮันส์ บูห์เลอร์, ฟิลลิป เมอร์เรย์, มิคโค เอส. ปักคาเนน และเบน วูด “การป้องกันความเสี่ยงเชิงลึก: เรียนรู้ที่จะขจัดความคลาดเคลื่อนภายใต้แรงเสียดทานในการซื้อขายด้วยมาตรการ Near-Martingale ที่เทียบเท่าน้อยที่สุด” (2022) URL: https:///doi.org/10.48550/arXiv.2111.07844.
https://doi.org/10.48550/arXiv.2111.07844
[36] แมกนัส วีส, เบน วูด, อเล็กซานเดร ปาชูด์, ราล์ฟ คอร์น, ฮานส์ บูห์เลอร์, เมอร์เรย์ ฟิลลิป และเหลียนจุน ไป่ “สปอตสินทรัพย์หลากหลายและการจำลองตลาดออปชั่น” วารสารอิเล็กทรอนิกส์ SSRN (2021) URL: https:///dx.doi.org/10.2139/ssrn.3980817.
https://doi.org/10.2139/ssrn.3980817
[37] ฟิลลิป เมอร์เรย์, เบน วูด, ฮานส์ บูห์เลอร์, แมกนัส วีส และมิคโก้ ปัคคาเนน “การป้องกันความเสี่ยงเชิงลึก: การเรียนรู้การเสริมกำลังอย่างต่อเนื่องสำหรับการป้องกันความเสี่ยงของพอร์ตการลงทุนทั่วไปในการหลีกเลี่ยงความเสี่ยงที่หลากหลาย” ในการดำเนินการประชุมนานาชาติ ACM ครั้งที่ 361 เรื่อง AI ในด้านการเงิน หน้า 368–22. ICAIF '2022 นิวยอร์ก รัฐนิวยอร์ก สหรัฐอเมริกา (10.1145) สมาคมเครื่องจักรคอมพิวเตอร์ URL: https:///doi.org/3533271.3561731/XNUMX.
https://doi.org/10.1145/3533271.3561731
[38] โคสุเกะ มิตะไร, มาโกโตะ เนโกโระ, มาซาฮิโระ คิตากาวะ และเคสุเกะ ฟูจิอิ “การเรียนรู้วงจรควอนตัม” การตรวจร่างกาย A 98, 032309 (2018) URL: https:///doi.org/10.1103/PhysRevA.98.032309.
https://doi.org/10.1103/PhysRevA.98.032309
[39] ดีแลน เฮอร์แมน, รูดี้ เรย์มอนด์, มู่หยวน ลี, นิโคลัส โรเบิลส์, อันโตนิโอ เมซซากาโป และมาร์โก พิสโตเอีย “การแสดงออกของการเรียนรู้ของเครื่องควอนตัมแบบแปรผันบนลูกบาศก์บูลีน” (2022) URL: https:///doi.org/10.1109/TQE.2023.3255206.
https://doi.org/10.1109/TQE.2023.3255206
[40] เอ็ดเวิร์ด ฟาร์ฮี และฮาร์ทมุท เนเวน “การจำแนกประเภทด้วยโครงข่ายประสาทเทียมควอนตัมบนโปรเซสเซอร์ระยะใกล้” รายงานทางเทคนิค. เว็บวิทยาศาสตร์เปิด (2020) URL: https:///doi.org/10.48550/arXiv.1802.06002.
https://doi.org/10.48550/arXiv.1802.06002
[41] อาเดรียน เปเรซ-ซาลินาส, อัลบา เซอร์เบรา-เลียร์ตา, เอลีส กิล-ฟุสเตอร์ และโฮเซ่ ไอ. ลาตอร์เร “การอัปโหลดข้อมูลซ้ำสำหรับตัวแยกประเภทควอนตัมสากล” ควอนตัม 4, 226 (2020) URL: https:///doi.org/10.22331/q-2020-02-06-226.
https://doi.org/10.22331/q-2020-02-06-226
[42] โจนาส แลนด์แมน, นาธานช มาเธอร์, ยุน อีวอนนา ลี, มาร์ติน สตราห์ม, สคานเดอร์ คาซดากลี, อนุปัม ปรากาช และอิออร์ดานิส เคเรนิดิส “วิธีควอนตัมสำหรับโครงข่ายประสาทเทียมและการประยุกต์เพื่อการจำแนกภาพทางการแพทย์” ควอนตัม 6, 881 (2022) URL: https:///doi.org/10.22331/q-2022-12-22-881.
https://doi.org/10.22331/q-2022-12-22-881
[43] มาร์เชลโล เบเนเดตติ, เดลฟิน่า การ์เซีย-ปินตอส, ออสการ์ แปร์โดโม, วิเซนเต้ เลย์ตัน-ออร์เตกา, ยุนซอง นัม และอเลฮานโดร แปร์โดโม-ออร์ติซ “แนวทางการสร้างแบบจำลองเชิงกำเนิดสำหรับการเปรียบเทียบและการฝึกอบรมวงจรควอนตัมแบบตื้น” ข้อมูลควอนตัม npj 5, 45 (2019) URL: https:///doi.org/10.1038/s41534-019-0157-8.
https://doi.org/10.1038/s41534-019-0157-8
[44] มาร์เชลโล เบเนเดตติ, ไบรอัน คอยล์, มัตเทีย ฟิออเรนตินี่, ไมเคิล ลูบาช และมัทธีอัส โรเซนครานซ์ “การอนุมานเชิงแปรผันด้วยคอมพิวเตอร์ควอนตัม” การทบทวนทางกายภาพใช้แล้ว 16, 044057 (2021) URL: https:///doi.org/10.1103/PhysRevApplied.16.044057.
https://doi.org/10.1103/PhysRevApplied.16.044057
[45] นิโค เมเยอร์, คริสเตียน อูเฟรชท์, มานิรามาน เปริริยาซามี, แดเนียล ดี. เชเรอร์, แอ็กเซล พลิงจ์ และคริสโตเฟอร์ มัทชเลอร์ “แบบสำรวจการเรียนรู้การเสริมกำลังควอนตัม” (2022) URL: https:///doi.org/10.48550/arXiv.2211.03464.
https://doi.org/10.48550/arXiv.2211.03464
[46] Vojtěch Havlíček, Antonio D. Córcoles, Kristan Temme, Aram W. Harrow, Abhinav Kandala, Jerry M. Chow และ Jay M. Gambetta “การเรียนรู้แบบมีผู้สอนพร้อมพื้นที่ฟีเจอร์เสริมควอนตัม” ธรรมชาติ 567, 209–212 (2019) URL: https:///doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2
[47] มาเรีย ชูลด์, ไรอัน สเวค และโยฮันเนส จาคอบ เมเยอร์ “ผลของการเข้ารหัสข้อมูลต่อพลังการแสดงออกของแบบจำลองควอนตัมแมชชีนเลิร์นนิงแบบแปรผัน” การตรวจร่างกาย A 103, 032430 (2021) URL: https:///doi.org/10.1103/PhysRevA.103.032430.
https://doi.org/10.1103/PhysRevA.103.032430
[48] ฟรานซิสโก ฮาเวียร์ กิล วิดัล และเดิร์ก โอลิเวอร์ ธีส “อินพุตซ้ำซ้อนสำหรับวงจรควอนตัมแบบกำหนดพารามิเตอร์” พรมแดนทางฟิสิกส์ 8, 297 (2020) URL: https:///doi.org/10.3389/fphy.2020.00297.
https://doi.org/10.3389/fphy.2020.00297
[49] เอล อามีน เชอร์รัต, อิออร์ดานิส เคเรนิดิส, นาแทนช์ มาเธอร์, โจนาส แลนด์แมน, มาร์ติน สตราห์ม และ ยุน อีวอนนา ลี “ควอนตัมวิชั่นทรานส์ฟอร์มเมอร์ส” (2022) URL: https:///doi.org/10.48550/arXiv.2209.08167.
https://doi.org/10.48550/arXiv.2209.08167
[50] มาเรีย ชูลด์, วิลล์ เบิร์กโฮล์ม, คริสเตียน โกโกลิน, จอช ไอแซค และนาธาน คิลโลแรน “การประเมินการไล่ระดับเชิงวิเคราะห์บนฮาร์ดแวร์ควอนตัม” การตรวจร่างกาย A 99, 032331 (2019) URL: https:///doi.org/10.1103/PhysRevA.99.032331.
https://doi.org/10.1103/PhysRevA.99.032331
[51] อิออร์ดานิส เคเรนิดิส. “วิธีการโหลดข้อมูลคลาสสิกเข้าสู่สถานะควอนตัมสำหรับแอปพลิเคชันในการเรียนรู้ของเครื่องและการเพิ่มประสิทธิภาพ” การยื่นขอรับสิทธิบัตรสหรัฐอเมริกา (2020) URL: https:///patents.google.com/patent/US20210319350A1.
https:///patents.google.com/patent/US20210319350A1
[52] โซนิกา โจห์รี, ชานทานู เดบนาธ, อาวินาช โมเชอร์ลา, อเล็กซานดรอส ซิงก์, อนุปัม ปรากาช, จุงซัง คิม และอิออร์ดานิส เคเรนิดิส “การจำแนกประเภทเซนทรอยด์ที่ใกล้ที่สุดบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่” ข้อมูลควอนตัม npj 7, 122 (2021) URL: https:///doi.org/10.1038/s41534-021-00456-5.
https://doi.org/10.1038/s41534-021-00456-5
[53] อิออร์ดานิส เคเรนิดิส และอนุพัม ปรากาช “การเรียนรู้ของเครื่องควอนตัมพร้อมสถานะพื้นที่ย่อย” (2022) URL: https:///doi.org/10.48550/arXiv.2202.00054.
https://doi.org/10.48550/arXiv.2202.00054
[54] อาชิช วาสวานี, โนม ชาเซียร์, นิกิ ปาร์มาร์, ยาคอบ อุสโคไรต์, ลิออน โจนส์, ไอดาน เอ็น โกเมซ, ลูคัสซ์ ไคเซอร์ และอิลเลีย โปโลซูคิน “ความสนใจคือสิ่งที่คุณต้องการ” ใน I. Guyon, U. Von Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan และ R. Garnett บรรณาธิการ ความก้าวหน้าในระบบประมวลผลข้อมูลทางประสาท เล่มที่ 30 Curran Associates, Inc. (2017) URL: https:///doi.org/10.48550/arXiv.1706.03762.
https://doi.org/10.48550/arXiv.1706.03762
[55] มาร์ติน ลารอกกา, เฟรเดริก โซเวจ, ฟาริส เอ็ม. สบาฮี, กิโยม แวร์ดอน, แพทริค เจ. โคลส์ และเอ็ม. เซเรโซ “การเรียนรู้เครื่องควอนตัมแบบไม่แปรผันกลุ่ม” PRX ควอนตัม 3, 030341 (2022) URL: https:///doi.org/10.1103/PRXQuantum.3.030341.
https://doi.org/10.1103/PRXQuantum.3.030341
[56] เจียเหยา จาง, กวงซู จู้, โรเบิร์ต ดับเบิลยู. เฮลธ์ จูเนียร์ และไคปิน ฮวง “การเรียนรู้แบบ Grassmannian: การฝังการรับรู้ทางเรขาคณิตในการเรียนรู้แบบตื้นและเชิงลึก” (2018) URL: https:///doi.org/10.48550/arXiv.1808.02229.
https://doi.org/10.48550/arXiv.1808.02229
[57] ซูเฉินโหย่ว, เชาวนิก จักราบาร์ตี และเสี่ยวตี้ หวู่ “ทฤษฎีการลู่เข้าสำหรับควอนตัมไอเกนโซลเวอร์แบบแปรผันที่มีพารามิเตอร์มากเกินไป” (2022) URL: https:///doi.org/10.48550/arXiv.2205.12481.
https://doi.org/10.48550/arXiv.2205.12481
[58] มาร์ติน ลารอกกา, นาธาน จู, ดิเอโก การ์เซีย-มาร์ติน, แพทริค เจ. โคลส์ และเอ็ม. เซเรโซ “ทฤษฎีการทำให้เกินพารามิเตอร์ในโครงข่ายประสาทเทียมควอนตัม” (2021) URL: https:///doi.org/10.1038/s43588-023-00467-6.
https://doi.org/10.1038/s43588-023-00467-6
[59] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles และ Marco Cerezo “การวินิจฉัย Barren Plateaus ด้วยเครื่องมือจากการควบคุมเชิงควอนตัมที่เหมาะสมที่สุด” ควอนตัม 6, 824 (2022) URL: https:///doi.org/10.22331/q-2022-09-29-824.
https://doi.org/10.22331/q-2022-09-29-824
[60] เบอนัวต์ คอลลินส์ และปิโอเตอร์ ชเนียดี “การบูรณาการด้วยความเคารพต่อมาตรการ Haar บนกลุ่มที่เป็นเอกภาพ มุมฉาก และกลุ่มสมมาตร” การสื่อสารในฟิสิกส์คณิตศาสตร์ 264, 773–795 (2006) URL: https:///doi.org/10.1007/s00220-006-1554-3.
https://doi.org/10.1007/s00220-006-1554-3
[61] เอนริโก ฟอนทานา, ดีแลน เฮอร์แมน, ชูวนิก จักราบาร์ตี, นิราช คูมาร์, โรมินา ยาโลเวตซกี้, เจมี เฮเร็ดจ์, ศรี ฮารี สุเรชบาบู และมาร์โก พิสโตเอีย “สิ่งที่แนบมาคือสิ่งที่คุณต้องการ: การระบุลักษณะที่ราบสูงแห้งแล้งใน Quantum Ansätze” (2023) URL: https:///doi.org/10.48550/arXiv.2309.07902.
https://doi.org/10.48550/arXiv.2309.07902
[62] Michael Ragone, Bojko N. Bakalov, Frédéric Sauvage, Alexander F. Kemper, Carlos Ortiz Marrero, Martin Larocca และ M. Cerezo “ทฤษฎีรวมของที่ราบสูงแห้งแล้งสำหรับวงจรควอนตัมพาราเมตริกแบบลึก” (2023) URL: https:///doi.org/10.48550/arXiv.2309.09342.
https://doi.org/10.48550/arXiv.2309.09342
[63] ลีโอ มงบรุสซู, โยนาส ลันด์แมน, อเล็กซ์ บี. กริโล, โรเมน คูคลา และเอลฮัม คาเชฟี “ความสามารถในการฝึกอบรมและการแสดงออกของการทุบน้ำหนักเพื่อรักษาวงจรควอนตัมสำหรับการเรียนรู้ของเครื่อง” (2023) URL: https:///doi.org/10.48550/arXiv.2309.15547.
https://doi.org/10.48550/arXiv.2309.15547
[64] ไคหนิง จาง, หลิว หลิว, มินซิ่วเซียะ และต้าเฉิงเต๋า “การหลบหนีจากที่ราบสูงแห้งแล้งด้วยการเริ่มต้นแบบเกาส์เซียนในวงจรควอนตัมแปรผันเชิงลึก” (2022) URL: https:///doi.org/10.48550/arXiv.2203.09376.
https://doi.org/10.48550/arXiv.2203.09376
[65] โอเว่น ล็อควูด และ เหมย ซี “การเล่น Atari ด้วยการเรียนรู้การเสริมกำลังควอนตัมคลาสสิกแบบไฮบริด” (2021) URL: https:///doi.org/10.48550/arXiv.2107.04114.
https://doi.org/10.48550/arXiv.2107.04114
[66] ซามูเอล เยน-ฉี เฉิน, เฉา-ฮัน ฮัก หยาง, จุน ฉี, ผิน-ยู เฉิน, เซียวลี่ หม่า และ ซี-เซิง โกอัน “วงจรควอนตัมแบบแปรผันเพื่อการเรียนรู้แบบเสริมแรงเชิงลึก” IEEE เข้าถึง 8, 141007–141024 (2020) URL: https:///doi.org/10.1109/ACCESS.2020.3010470.
https://doi.org/10.1109/ACCESS.2020.3010470
[67] โอเว่น ล็อควูด และ เหมย ซี “การเรียนรู้แบบเสริมแรงด้วยวงจรแปรผันควอนตัม” การดำเนินการของการประชุม AAAI เกี่ยวกับปัญญาประดิษฐ์และความบันเทิงดิจิทัลเชิงโต้ตอบ 16, 245–251 (2020) URL: https:///doi.org/10.1609/aiide.v16i1.7437.
https:///doi.org/10.1609/aiide.v16i1.7437
[68] ยุนซอก กวัก, วอน จุน ยุน, โซอี จุง, จงกุก คิม และ จุงฮอน คิม “ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้การเสริมกำลังควอนตัม: ทฤษฎีและการใช้งานแบบเพนนีเลน” ในปี 2021 การประชุมนานาชาติเรื่องการบรรจบกันของเทคโนโลยีสารสนเทศและการสื่อสาร (ICTC) หน้า 416–420. เกาะเชจู เกาหลี สาธารณรัฐ (2021) อีอีอี URL: https:///doi.org/10.1109/ICTC52510.2021.9620885.
https:///doi.org/10.1109/ICTC52510.2021.9620885
[69] โซฟีเน เจอร์บี, แคสเปอร์ กยูริก, ไซมอน มาร์แชล, ฮานส์ บรีเกล และเวดราน ดันจ์โก้ “นโยบายควอนตัมแบบกำหนดพารามิเตอร์สำหรับการเรียนรู้แบบเสริมกำลัง” ใน M. Ranzato, A. Beygelzimer, Y. Dauphin, PS Liang และ J. Wortman Vaughan บรรณาธิการ ความก้าวหน้าในระบบประมวลผลข้อมูลทางประสาท เล่มที่ 34 หน้า 28362–28375 Curran Associates, Inc. (2021) URL: https:///doi.org/10.48550/arXiv.2103.05577.
https://doi.org/10.48550/arXiv.2103.05577
[70] เจน-เยว่เซียว, หยูซวนตู้, เว่ยหยินเชียง, มินซิ่วเซียว และซีเซิงโกอัน “ตัวแทนการเรียนรู้การเสริมกำลังควอนตัมที่ไม่พันกันใน OpenAI Gym” (2022) URL: https:///doi.org/10.48550/arXiv.2203.14348.
https://doi.org/10.48550/arXiv.2203.14348
[71] เอล อามีน เชอร์รัต, อิออร์ดานิส เคเรนิดิส และอนุปัม ปรากาช “การเรียนรู้การเสริมกำลังควอนตัมผ่านการวนซ้ำนโยบาย” Quantum Machine Intelligence 5, 30 (2023) URL: https:///doi.org/10.1007/s42484-023-00116-1.
https://doi.org/10.1007/s42484-023-00116-1
[72] เตาเฉิน หวัง, อาร์ธี ซุนดาราม, โรบิน โคธารี, อาชิช กาปูร์ และมาร์ติน รูตต์เลอร์ “อัลกอริธึมควอนตัมสำหรับการเรียนรู้แบบเสริมแรงด้วยแบบจำลองกำเนิด” ในการประชุมนานาชาติเรื่อง Machine Learning หน้า 10916–10926. PMLR (2021) URL: https:///doi.org/10.48550/arXiv.2112.08451.
https://doi.org/10.48550/arXiv.2112.08451
[73] โซฟีเน เจอร์บี, อาร์จาน คอร์เนลิสเซน, มาริส โอโซล และเวดราน ดันจ์โก “อัลกอริธึมการไล่ระดับนโยบายควอนตัม” (2022) URL: https:///doi.org/10.48550/arXiv.2212.09328.
https://doi.org/10.48550/arXiv.2212.09328
[74] อาร์จาน คอร์เนลิสเซ่น. “การประมาณค่าเกรเดียนต์ควอนตัมและการประยุกต์เพื่อการเรียนรู้การเสริมแรงควอนตัม” วิทยานิพนธ์ระดับปริญญาโท (2018) URL: http:///resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e.
http://resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e
[75] ฮั่นเซิง เจียง, แมกซ์เซินจั่วจุน และหลิวจุนหยู่ “วิธีคอมพิวเตอร์ควอนตัมเพื่อการจัดการห่วงโซ่อุปทาน” ในปี 2022 IEEE/ACM 7th Symposium on Edge Computing (SEC) หน้า 400–405. ซีแอตเทิล วอชิงตัน สหรัฐอเมริกา (2022) อีอีอี URL: https:///doi.org/10.1109/SEC54971.2022.00059.
https:///doi.org/10.1109/SEC54971.2022.00059
[76] มาร์ค จี. เบลล์แมร์, วิลล์ ดาบนีย์ และเรมี มูโนส “มุมมองการกระจายการเรียนรู้แบบเสริมกำลัง” ในการประชุมนานาชาติเรื่องการเรียนรู้ของเครื่องครั้งที่ 34 – เล่มที่ 70 หน้า 449–458 ICML'17ซิดนีย์ นิวเซาธ์เวลส์ ออสเตรเลีย (2017) JMLR.org URL: https:///doi.org/10.48550/arXiv.1707.06887.
https://doi.org/10.48550/arXiv.1707.06887
[77] วิล ดาบนีย์, มาร์ค โรว์แลนด์, มาร์ค เบลล์แมร์ และเรมี มูนอส “การเรียนรู้การเสริมแรงแบบกระจายด้วยการถดถอยเชิงปริมาณ”. การดำเนินการประชุม AAAI เรื่องปัญญาประดิษฐ์ 32 (2018) URL: https:///doi.org/10.1609/aaai.v32i1.11791.
https://doi.org/10.1609/aai.v32i1.11791
[78] แมทเธียส ซี. คาโร และอิชอน ดาตต้า “มิติเสมือนของวงจรควอนตัม” ควอนตัมแมชชีนอัจฉริยะ 2 (2020) URL: https:///doi.org/10.1007/s42484-020-00027-5.
https://doi.org/10.1007/s42484-020-00027-5
[79] ฮันส์ บูห์เลอร์, เมอร์เรย์ ฟิลลิป และเบน วูด “การป้องกันความเสี่ยง Deep Bellman” วารสารอิเล็กทรอนิกส์ SSRN (2022) URL: https:///dx.doi.org/10.2139/ssrn.4151026.
https://doi.org/10.2139/ssrn.4151026
[80] ทัน เหงียน-ถัง, สุนิล กุปตา และสเวธา เวนกาเตช “การเรียนรู้การเสริมแรงแบบกระจายผ่านการจับคู่ช่วงเวลา” การดำเนินการของการประชุม AAAI เกี่ยวกับปัญญาประดิษฐ์ 35, 9144–9152 (2021) URL: https:///doi.org/10.1609/aaai.v35i10.17104.
https://doi.org/10.1609/aai.v35i10.17104
อ้างโดย
[1] Enrico Fontana, Dylan Herman, Shouvanik Chakrabarti, Niraj Kumar, Romina Yalovetzky, Jamie Heredge, Shree Hari Sureshbabu และ Marco Pistoia, “สิ่งที่แนบมาคือสิ่งที่คุณต้องการ: การระบุลักษณะที่ราบสูงแห้งแล้งใน Quantum Ansätze”, arXiv: 2309.07902, (2023).
[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilya Safro, Marco Pistoia และ Yuri Alexeev, “คอมพิวเตอร์ควอนตัมสำหรับการเงิน”, ฟิสิกส์รีวิวธรรมชาติ 5 8, 450 (2023).
[3] Alexandr Sedykh, Maninadh Podapaka, Asel Sagingalieva, Karan Pinto, Markus Pflitsch และ Alexey Melnikov, “เครือข่ายประสาทเทียมที่ได้รับข้อมูลจากฟิสิกส์ควอนตัมแบบไฮบริดสำหรับจำลองพลศาสตร์ของไหลเชิงคำนวณในรูปทรงที่ซับซ้อน”, arXiv: 2304.11247, (2023).
การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2023-11-29 13:34:05 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน
ไม่สามารถดึงข้อมูล Crossref อ้างโดย data ระหว่างความพยายามครั้งล่าสุด 2023-11-29 13:34:04 น.: ไม่สามารถดึงข้อมูลที่อ้างถึงสำหรับ 10.22331/q-2023-11-29-1191 จาก Crossref นี่เป็นเรื่องปกติหาก DOI ได้รับการจดทะเบียนเมื่อเร็วๆ นี้
บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://quantum-journal.org/papers/q-2023-11-29-1191/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- ][หน้า
- $ ขึ้น
- 01
- 1
- 10
- 10th
- 11
- 12
- 13
- 14
- ลด 15%
- 16
- 17
- 17th
- 19
- 1998
- 1st
- 20
- 2006
- 2012
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 22
- 23
- 24
- 25
- 26
- 264
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- ลด 35%
- 36
- 39
- 40
- 41
- 46
- 49
- 50
- 51
- 52
- 53
- 54
- 58
- 60
- 610
- 65
- 66
- 67
- 7
- 70
- 72
- 73
- 75
- 77
- 7th
- 8
- 80
- 87
- 9
- 98
- a
- ข้างบน
- บทคัดย่อ
- เข้า
- Accessed
- การบรรลุ
- พลอากาศเอก
- ข้าม
- ความก้าวหน้า
- ความได้เปรียบ
- ขัดแย้ง
- ความผูกพัน
- ตัวแทน
- AI
- อเล็กซ์
- อเล็กซานเด
- ขั้นตอนวิธี
- อัลกอริทึม
- ซื้อขายอัลกอริทึม
- อัลกอริทึม
- ทั้งหมด
- an
- การวิเคราะห์
- วิเคราะห์
- และ
- แอนดรู
- วันครบรอบปี
- ประจำปี
- แอนโทนี่
- การใช้งาน
- การใช้งาน
- ประยุกต์
- เข้าใกล้
- วิธีการ
- สถาปัตยกรรม
- เป็น
- เทียม
- ปัญญาประดิษฐ์
- AS
- สินทรัพย์
- ร่วม
- สมาคม
- At
- พอร์ทัล
- อะตอม
- ความพยายาม
- ออสเตรเลีย
- ผู้เขียน
- ผู้เขียน
- ความตระหนัก
- b
- ราว
- ตาม
- BE
- เบน
- การเปรียบเทียบ
- เบนจามิน
- ดีกว่า
- เกิน
- บอริส
- ทั้งสอง
- ทำลาย
- ไบรอัน
- ไบรอัน
- by
- เคมบริดจ์
- CAN
- คาร์ลอ
- แคสเปอร์
- โซ่
- เฉิน
- เชา
- คริสเตียน
- คริส
- การจัดหมวดหมู่
- คอลลิน
- ความเห็น
- สภาสามัญ
- การสื่อสาร
- คมนาคม
- เทียบเคียง
- สมบูรณ์
- ซับซ้อน
- สารประกอบ
- การคำนวณ
- การคำนวณ
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- การคำนวณ
- การประชุม
- ข้อ จำกัด
- ต่อเนื่องกัน
- ควบคุม
- การลู่เข้า
- ลิขสิทธิ์
- ความสัมพันธ์
- สัมประสิทธิ์สหสัมพันธ์
- ได้
- การอ่านรหัส
- DAI
- แดเนียล
- ข้อมูล
- เดวิด
- เดวิดซิลเวอร์
- ธันวาคม
- ลึก
- การเรียนรู้ลึก ๆ
- เครือข่ายประสาทลึก
- เดล
- มัน
- สัญญาซื้อขายล่วงหน้า
- พัฒนา
- ดิเอโก
- ดิจิตอล
- ความบันเทิงดิจิตอล
- โดยตรง
- สนทนา
- ในระหว่าง
- พลศาสตร์
- e
- ขอบ
- การคำนวณที่ทันสมัย
- ฉบับ
- บรรณาธิการ
- เอ็ดเวิร์ด
- el
- อิเล็กทรอนิกส์
- การฝัง
- การเข้ารหัส
- ความบันเทิง
- ส่วนได้เสีย
- เท่ากัน
- อีเธอร์ (ETH)
- ที่คาดหวัง
- คำอธิบาย
- ที่แสดงออก
- กว้างขวาง
- เร็วขึ้น
- ลักษณะ
- เฟอร์กัส
- เงินทุน
- ทางการเงิน
- อนุพันธ์ทางการเงิน
- เทคโนโลยีทางการเงิน
- ของเหลว
- พลศาสตร์ของของไหล
- สำหรับ
- กรอบ
- ฟรานซิส
- ราคาเริ่มต้นที่
- พรมแดน
- ฟังก์ชั่น
- เกม
- General
- กำเนิด
- เครือข่ายปฏิปักษ์โดยกำเนิด
- แบบจำลองการกำเนิด
- เรขาคณิต
- ประเทศเยอรมัน
- โกเมซ
- การไล่ระดับสี
- บัญชีกลุ่ม
- Gupta
- ห้องออกกำลังกาย
- ฮาร์ดแวร์
- ฮาร์วาร์
- การป้องกันความเสี่ยง
- ผู้ถือ
- เซียว
- ที่ http
- HTTPS
- Huang
- เป็นลูกผสม
- รุ่นไฮบริด
- ไฮบริดควอนตัมคลาสสิก
- i
- อีอีอี
- if
- ภาพ
- การจำแนกรูปภาพ
- ส่งผลกระทบ
- การดำเนินการ
- การดำเนินงาน
- การปรับปรุง
- in
- อิงค์
- อุตสาหกรรม
- ข้อมูล
- อินพุต
- ปัจจัยการผลิต
- สถาบัน
- Intelligence
- การโต้ตอบ
- น่าสนใจ
- International
- เข้าไป
- บทนำ
- เกาะ
- การย้ำ
- ITS
- อีวาน
- เจมี่
- JavaScript
- จอน
- โจนาธาน
- โจนส์
- วารสาร
- JPMorgan
- จูเลีย
- Kapoor
- คิม
- ฮ่องกง
- เกาหลี
- kumar
- ภาษา
- ชื่อสกุล
- ชั้น
- การเรียนรู้
- ทิ้ง
- li
- License
- รายการ
- โหลด
- ดู
- เครื่อง
- เรียนรู้เครื่อง
- เครื่องจักรกล
- นิตยสาร
- มายากล
- การจัดการ
- มาร์โก
- มาเรีย
- เครื่องหมาย
- ตลาด
- ตลาด
- นกนางแอ่น
- เจ้านาย
- การจับคู่
- คณิตศาสตร์
- มดลูก
- แมทธิว
- แมทเธีย
- แม็กซ์
- อาจ..
- แมคคลีน
- McKinsey
- วัด
- วัด
- มาตรการ
- ทางการแพทย์
- วิธี
- วิธีการ
- เมเยอร์
- ไมเคิล
- ต่ำสุด
- แบบ
- การสร้างแบบจำลอง
- โมเดล
- ขณะ
- เดือน
- หลาย
- เมอเรย์
- น้ำ
- ธรรมชาติ
- ใกล้
- จำเป็นต้อง
- เครือข่าย
- เครือข่าย
- ประสาท
- เครือข่ายประสาท
- เครือข่ายประสาทเทียม
- เป็นกลาง
- นิโคลัส
- ปกติ
- พฤศจิกายน
- พฤศจิกายน
- จำนวน
- NY
- สังเกต
- ได้รับ
- of
- เสนอ
- โอลิเวอร์
- on
- เปิด
- OpenAI
- เลนส์
- ดีที่สุด
- การเพิ่มประสิทธิภาพ
- ตัวเลือกเสริม (Option)
- or
- เป็นต้นฉบับ
- อื่นๆ
- ของเรา
- ปาโบล
- หน้า
- หน้า
- กระดาษ
- พารามิเตอร์
- ปารีส
- ในสิ่งที่สนใจ
- สิทธิบัตร
- แพทริค
- แบบแผน
- ดำเนินการ
- การปฏิบัติ
- มุมมอง
- พีเตอร์
- กายภาพ
- ฟิสิกส์
- ปิแอร์
- ลาย
- แผนการ
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- นโยบาย
- นโยบาย
- ผลงาน
- พอร์ตการลงทุน
- ที่มีศักยภาพ
- อำนาจ
- ที่มีประสิทธิภาพ
- อำนาจ
- Pradeep
- Prakash
- คำทำนาย
- การรักษา
- กด
- ราคา
- การตั้งราคา
- ปัญหา
- ปัญหาที่เกิดขึ้น
- กิจการ
- การประมวลผล
- หน่วยประมวลผล
- โปรเซสเซอร์
- การเขียนโปรแกรม
- เสนอ
- พิสูจน์
- ให้
- การตีพิมพ์
- สำนักพิมพ์
- สำนักพิมพ์
- Qi
- ควอนตินัม
- เชิงปริมาณ
- ควอนตัม
- อัลกอริทึมควอนตัม
- ความได้เปรียบในการคำนวณควอนตัม
- คอมพิวเตอร์ควอนตัม
- การคำนวณควอนตัม
- ข้อมูลควอนตัม
- การเรียนรู้ของเครื่องควอนตัม
- qubits
- R
- ราล์ฟ
- จริง
- เมื่อเร็ว ๆ นี้
- ลด
- การอ้างอิง
- ลงทะเบียน
- ถดถอย
- การเรียนรู้การเสริมแรง
- ซากศพ
- เอาออก
- Ren
- รายงาน
- รายงาน
- การแสดง
- สาธารณรัฐ
- การวิจัย
- เคารพ
- ทบทวน
- รีวิว
- ริชาร์ด
- เข้มงวด
- ความเสี่ยง
- การบริหาจัดการความเสี่ยง
- โรเบิร์ต
- นกเล็กชนิดหนึ่ง
- แข็งแรง
- รุยซ์
- ไรอัน
- s
- โครงการ
- วิทยาศาสตร์
- วิทยาศาสตร์
- ซีแอตเทิ
- สำนักงานคณะกรรมการ ก.ล.ต.
- ภาค
- ชุด
- ตื้น
- รูปร่าง
- Sharma
- เจ้าอาหรับ
- โชว์
- สัญญาณ
- เงิน
- ไซมอน
- จำลอง
- ช่องว่าง
- จุด
- ศรีนิวาสัน
- มาตรฐาน
- สหรัฐอเมริกา
- การหยุด
- ประสบความสำเร็จ
- อย่างเช่น
- เหมาะสม
- ดวงอาทิตย์
- จัดหาอุปกรณ์
- ห่วงโซ่อุปทาน
- การจัดการห่วงโซ่อุปทาน
- การสำรวจ
- ประเทศสวิสเซอร์แลนด์
- การประชุมสัมมนา
- ระบบ
- T
- วิชาการ
- เทคนิค
- เทคโนโลยี
- เทคโนโลยี
- ระยะ
- กว่า
- ที่
- พื้นที่
- ของพวกเขา
- ทฤษฎี
- วิทยานิพนธ์
- ที่สาม
- นี้
- ตลอด
- เวลา
- อนุกรมเวลา
- ชื่อหนังสือ
- ไปยัง
- เครื่องมือ
- เทรด
- การฝึกอบรม
- การทำธุรกรรม
- กระแส
- หม้อแปลง
- ติดกับดัก
- ภายใต้
- ปึกแผ่น
- สากล
- มหาวิทยาลัย
- ให้กับคุณ
- URL
- us
- สหรัฐอเมริกา
- ใช้
- การใช้
- การใช้ประโยชน์
- ความคุ้มค่า
- ผ่านทาง
- vincent
- วิสัยทัศน์
- ปริมาณ
- ของ
- W
- วัง
- ต้องการ
- คือ
- we
- เว็บ
- ดี
- ในขณะที่
- จะ
- กับ
- วอน
- ไม้
- งาน
- wu
- เสี่ยว
- ปี
- นิวยอร์ก
- เธอ
- หยวน
- ลมทะเล
- Zhang
- Zhong
- ซูริค