论文研究 - 使用深度量子神经网络进行强化学习
量子计算机相对于传统计算机的优势推动了在量子计算机上开发机器学习算法的最新趋势，这有可能导致该领域的突破和新的学习模型。 我们研究的目的是探索光子量子计算机上的深度量子强化学习（RL），该技术可以处理存储在光量子态中的信息。 这些量子计算机可以自然地表示连续变量，使其成为创建神经网络的量子版本的理想平台。 我们使用量子光子电路，通过多层量子神经网络实现Q学习和行为准则算法，并在网格世界环境中对其进行测试。 我们的实验表明，1）这些量子算法可以解决RL问题，以及2）与一层相比，使用三层量子网络可以改善两种算法在所获得奖励方面的学习。 总而言之，我们的研究结果表明，在深度量子RL中具有更多的层可以增强学习效果。
文件下载
评论信息
其他资源
- 三个框架下IGS站坐标
- Visual C++串口通信技术与工程实践(第二版).(配书光盘)
- 水晶报表CR 10.5
- 动态无功补偿装置SVG设计原理与实现
- PID算法说明，精辟生动！
- Xilinx Spartan-6.IntLib AD库 PCB封装 原理图
- 完整的R61581 3.5寸液晶 驱动程序
- 具有时变时滞的广义神经网络稳定性分析的新方法
- V2X白皮书.pdf
- CC2540无线蓝牙模块 AD设计硬件原理图+PCB文件.zip
- 安卓开发校园资源共享平台
- js课程设计打飞机
- 觅风易语言43+辅助12课 全套视频教程
- json+select 下拉框级联菜鸟
- MFC销售管理信息系统
- VB.net动态曲线
- Applying UML and Patterns 3rd
- Intel parallel studio xe 2013 update2 授权文件
- IPC SDK_V6.24.01.rar
- PID控制小车程序
- 微信ipad最新协议2018.09
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明