前言
第1章 绪论
1.1 经典机器学习
1.2 量子力学
1.3 量子计算
1.4 量子机器学习
1.5 本书内容介绍
参考文献
第2章 经典机器学习
2.1 线性模型
2.2 支持向量机算法
2.3 集成学习
2.4 无监督学习
2.5 深度学习
参考文献
第3章 量子力学基础
3.1 量子力学假设和概要
3.2 量子力学的表示和表象
3.3 量子双态体系
3.4 EPR佯谬、贝尔不等式及其推广
3.5 量子纠缠、混态与量子系综
参考文献
第4章 量子信息与量子计算引论
4.1 量子信息概述
4.2 量子计算的线路模型
4.3 量子门
4.4 量子算法
参考文献
第5章 线性模型和算法
5.1 几个重要的量子机器学习步骤
5.2 线性方程组算法
5.3 量子线性回归算法
5.4 量子判别式分析
5.5 量子支持向量机分类
参考文献
第6章 量子绝热计算
6.1 量子绝热计算和绝热近似
6.2 量子退火与绝热算法
6.3 物理实现与D-Wave
参考文献
第7章 量子神经网络
7.1 量子神经网络基础
7.2 量子感知器模型
7.3 前向量子神经网络的训练方法
参考文献
第8章 无监督的量子机器学习
8.1 量子聚类
8.2 主成分分析
8.3 量子奇异值分解
8.4 量子谱聚类
参考文献
第9章 量子强化学习
9.1 量子强化学习算法
9.2 强化学习在量子电路中的实现
9.3 隐量子马尔可夫模型主动学习算法
参考文献