量子機器學習：基於Python的理論和實現

量子計算機具有天然的並行性，相比經典計算機能顯著提高算法效率，是下一代智能計算的一個重要發展方向。隨着量子計算機硬件的發展，通過本地或者雲平台進行量子計算越來越容易，量子計算相關研究逐漸從理論走向實用。量子機器學習是機器學習和量子計算的交叉領域，它研究的是如何利用量子疊加、並行等特性降低經典機器學習算法的複雜度，以解決數據量大、數據維度高造成的訓練困難等問題。

本書首先介紹量子計算的基礎知識，然後將理論和實踐相結合，介紹量子降維、量子分類、量子回歸、量子聚類、量子神經網絡及量子強化學習的算法理論，並提供部分算法的示例和代碼，以幫助讀者進一步理解量子機器學習算法。

本書可作為量子機器學習的入門書籍，供愛好者了解和學習量子機器學習算法；也可作為“量子機器學習”課程的教科書或參考書，供教師和學生閱讀參考；還可作為對量子機器學習感興趣的科研人員的參考書。



姜楠，北京工業大學信息學部教授，博士生導師。主要研究方向包括量子機器學習、量子圖像處理、內容安全和計算智能，講授“信息論與編碼理論”“量子機器學習”等課程。近5年發表SCI源刊論文近20篇。主持國家自然科學基金項目1項。CCF量子計算專委會執行委員，北京市委組織部優秀人才。出版量子計算和信息論方面的專著1部，教材2部。

王健，北京交通大學計算機與信息技術學院副教授，博士生導師，信息安全系副主任。主要研究領域為量子機器學習、網絡安全、大數據安全與分析、密碼應用，講授“量子計算”“計算機網絡”等課程。近5年發表SCI源刊論文近20篇。主持國家科技重大專項子課題等課題十余項。出版量子計算和信息論方面的專著1部，教材2部。

張蕊，北京交通大學計算機與信息技術學院博士生。主要研究方向包括量子機器學習和量子信號處理。發表SCI源刊論文6篇。