基于SVM的量子线路输出校准方法研究

当前噪声中尺度量子(NISQ)计算机由于受到各种噪声的影响,量子线路运行结果和理想结果之间存在误差,因此需要对量子线路的运行结果进行校准。基于量子线路可逆性的特点,收集正反向线路运行数据中的状态误差作为主要噪声特征,提出了基于支持向量机(SVM)集成策略的输出校准方法。通过支持向量机-递归特征消除(SVM-RFE)方法对噪声特征进行排序,去除过拟合的特征,从而得到更优的量子线路输出校准结果。实验结果表明,与基于优化映射的方法相比,所提基于SVM的方法使量子线路输出结果更接近于理想结果,与基于决策树集成分类模型(Qraft)相比,当CNOT量子线路的门数为60时,改善率达到43.94%。

一种分布式量子计算中传输代价的优化方法

分布式量子计算是解决现有量子计算设备还不足以支持大规模量子计算问题的有效途径,分布式子系统之间通过隐形传态建立通信链路来传输量子位,隐形传态的次数决定了分布式量子计算的传输代价。为了减少分布式子系统间的隐形传态次数,提出了一种跨门合并传输模型,该模型允许多个不连续的门通过一次隐形传态完成传输。基于该传输模型,对分布式量子计算的隐形传态次数进行优化。在不考虑分布式子系统量子位数时,与现有的研究结果相比隐形传态次数平均减少57.3%;在分布式子系统量子位数受限的情况下使用该模型,在消耗更少量子位的同时,隐形传态次数平均减少14.6%,针对较大规模的量子线路,优化率达58.8%。

基于动态前瞻深度的量子线路映射研究

随着量子计算技术的快速发展,现在已经进入了噪声中型量子(NISQ)时代。但受限于当前的技术,目前一个量子位只能与相邻的量子位直接交互。为了使量子线路能直接在NISQ设备上执行,需要在逻辑线路中插入SWAP门或使用桥门来近邻化量子位。为了减少量子线路映射中插入额外量子门的数量,本文研究了基于动态前瞻的线路映射方法,考虑了在拓展层中插入交换门的影响,优化了代价函数模型。通过模拟退火算法来确定插入交换门时的最佳前瞻深度,以减少插入交换门的数量,进而减少CNOT门的数量。实验结果表明,与现有映射方法相比,本文提出的算法减少了插入的CNOT门数,平均优化率达到45.59%。

面向政产学研的大数据产业学院创新模式

以南通大学阿里云大数据“校政企”共建产业学院为依托,基于面向产出导向的课程设计理念,探索建立了面向政产学研一体化的大数据产业学院专业实践综合改革创新培养模式,与企业共建创新实践平台,协同开展大数据人才培养模式与课程实践改革。应用结果表明该创新培养模式将理论、实践与项目实战融为一体,提供了大数据专业一体化实践解决方案,在地方高校产业学院中发挥了较好的示范引领作用。

基于多模态多粒度融合网络的癫痫识别方法

结构脑网络(Structural brain network,SC)和功能脑网络(Functional brain network,FC)能从不同角度反映癫痫对大脑结构信息的改变。目前,融合两类脑网络信息进行癫痫的辅助诊断已成为领域内的重要研究之一。然而,常见的融合模型仅在单一粒度上融合两类脑网络信息,忽略了脑网络的多粒度属性。本文提出一种基于多模态多粒度融合网络(Multi-modal multi-grained fusion network,MMFN)的癫痫识别方法,从全局和局部两个粒度对多模态脑网络特征进行融合,充分利用两类脑网络信息。局部粒度上,设计了连接边特征融合和节点特征融合,用以重构两类脑网络的连接边层和节点层的特征图,使两个模态交互式地学习特征;全局粒度上,设计了多模态分解双线性池化模块,学习两类脑网络的联合表示。实验结果表明,相比主流方法,所提方法可以显著提高对癫痫识别的准确率,辅助医生进行癫痫诊断。

面向可靠性的CNOT量子线路最近邻综合

在噪声中等规模量子(NISQ)设备上,量子线路可靠性受到量子噪声的影响。为了实现CNOT量子线路在量子芯片上高效可靠的执行,以相邻量子位交互错误率为权重,给出了计算最小Steiner噪声路径长度的代价度量方法,提出了噪声感知的CNOT量子线路最近邻综合算法。实验结果表明,与现有方法相比,所提出的综合算法在保证线路可靠性的前提下,有效地降低了综合过程中所使用CNOT门的数量,CNOT门代价的平均优化率达到27.7%,其中200门级的CNOT量子线路优化率达到了93.79%。

基于有效布尔矩阵的线性最近邻量子电路综合

最近邻量子电路要求满足最近邻约束,只允许在相邻的量子位之间交互,线性量子电路是量子电路的一个重要部分。研究了表示线性最近邻量子电路布尔矩阵有效性的快速判定方法,时间复杂度从n!(n-1)变为O(n^2)。提出了基于有效布尔矩阵的大规模线性最近邻量子电路的并行综合算法,在不到10 s内对128线的任意线性最近邻量子电路完成了电路综合。提出的并行方法不仅保证了精度,也大大减少了量子电路的综合时间,扩大了求解电路的规模.

基于规则的可逆Toffoli电路优化算法

可逆电路的优化是可逆逻辑综合的关键问题之一。为了解决可逆Toffoli电路优化问题中算法复杂度高和电路规模可扩充性差的问题,分析归纳了相邻Toffoli门的关系,提出并证明了可逆Toffoli电路中子序列的移动和化简规则,并基于这些规则给出了可逆Toffoli电路的优化算法。根据移动规则对可逆电路进行正向和反向扫描,寻找满足化简规则的子序列进行优化,直到可逆电路不发生变化为止。该优化算法与可逆电路的输入线数无关,无需存储额外信息,适用于各种不同类型的Toffoli电路合成方法,算法复杂度为O(s3),优于通常使用的模板优化的复杂度O(n!t2s3)。在具体实例和国际认可的所有3变量可逆函数上的验证结果表明,该优化算法能有效地减少可逆电路的门数和控制位数,降低可逆电路的代价。

基于建构主义理论的C++程序设计线上线下混合式金课建设

针对目前C++程序设计教学中存在的问题,以金课建设为抓手,提出基于建构主义理论支架式教学模式的理论课程混合式教学设计方法,以及基于随机进入教学模式的实践课程混合式教学实施方案,给出相应的课程考核评价方法,并从考核结果和评价反馈方面说明实践效果。

基于SVM的多类代价敏感学习及其应用

标准的分类器设计一般基于最小化错误率.在入侵检测等问题中,不同类型的错分往往具有不等的代价.通过在支持向量机的类概率输出中引入代价敏感机制,提出了3种基于最小化总体错分代价设计分类器的方法.实验结果表明通过改变代价矩阵,能在漏报率、误报率及稀有类样本的错误率之间调节,从而保证在误报率尽可能小的情况下降低漏报率和稀有类样本的错误率,以减少总体错分代价.

基于SVM的信息融合新方法

利用SVM对大规模数据进行训练时,需要占用很大的内存空间,甚至会因内存不够而无法训练。为此,提出了将大规模数据分块求解,然后将分块求解的结果进行信息融合的新方法。首先训练得到各模块的支持向量,将所有支持向量进行融合,得到决策模型和一组支持向量。当有新的数据加入时,将其作为一个子模块,训练得到该模块的支持向量,与原模型中获得的支持向量进行融合,训练得到新的决策模型。利用KDDCUP99数据进行实验,结果表明该方法的测试精度与在所有数据集上训练的精度相当,花费时间少,适用于增量学习。

基于带权有向图的可逆逻辑综合改进算法

为减少可逆逻辑综合中使用的可逆门,通过对基于带权有向图的可逆逻辑综合算法的分析,针对函数转换过程中过渡门数较多及电路优化算法简单的问题,提出了有效的等复杂度基本输出变换的概念,扩充并证明了Toffoli门序列的移动和化简规则,给出了改进的基于带权有向图的可逆逻辑综合算法。实验结果表明,该算法不仅减少了可逆电路构成时所使用的可逆门,而且对构建的可逆电路实现了有效化简,大幅度减少了门数和控制位数,降低了可逆电路代价。

XML与关系数据库的双向转换及其在Web挖掘中的应用

随着网络技术的发展,XML逐渐成为WEB上数据交换的标准,而迄今,大量数据是以数据库的形式存在的。文章主要探讨了XML和关系数据库(Rational Database,简称RDB)的相关概念及其转化,并将它们之间的转换应用在实际的Web数据挖掘中,从而实现了网络中海量异构数据的挖掘,提高了对网络数据的处理能力。

基于SVM的分布式入侵检测系统

支持向量机(Support Vector Machine,简称SVM)具有泛化性高、全局最优、对样本的充分性要求不高等优点,在集中式的入侵检测问题中得到较好应用.文章将SVM算法推广到分布式入侵检测环境中,提出基于SVM的分布式学习算法,并在KDD Cup 99数据集上与集中式方式进行了对比实验.结果表明,该算法不仅能降低网络中的通信负载,而且取得了与集中式方式相当的检测性能.

基于正反控制门的可逆网络化简

提出并证明正反控制(PNC)门级联电路中的合并、移动和分解规则,利用此规则给出基于PNC门的可逆网络的化简算法。根据移动规则对门序列进行正向和反向双向扫描,寻找符合化简条件的两门,直到可逆网络不发生变化为止。所有3变量可逆函数上的实验结果表明,该算法能减少PNC门级联网络的门数和控制位数,降低可逆网络的代价。

基于微课程的C++程序设计辅助教学研究

根据当前C++程序设计教学中存在的问题,在新的移动互联网背景下,提出了基于微课程的C++程序设计辅助教学模式。通过建立相关的微课程库,学生在接受传统教学内容的同时,可以根据任务单借助微课程库进行在线自主学习和知识巩固,弥补了传统教学中的不足。

面向计算思维和探究能力培养的C＋＋实践教学探索

针对目前学生在C＋＋实践课程中编程能力普遍较弱的状况，分析了造成这种现状的原因，给出了基于计算思维和探究学习的C＋＋实践教学新模式，提高了学生系统分析问题和解决问题的能力。

过程调用中变量分析方法探讨

Visual Basic(VB)是近年来迅速普及的一种面向对象程序设计语言,采用了可视化界面和事件驱动的机制,功能强大。但在过程调用时,对于各类变量的正确理解及变量在参数传递过程中的变化一直来是学生学习的难点,为此本文提出了一种分析过程调用中变量变化的方法,在实际求解中得到较好应用。

PSVM多类分类及其应用

近似支持向量机(PSVM)在支持向量机(SVM)的基础上,变不等式约束为等式约束,只需求解一组线性等式,避免了求解二次规划问题,使得算法更快、更简洁,在两类分类问题中取得较好应用。探讨了3种基于两类PSVM的多类分类方法,在标准数据集上进行了验证,并与标准SVM的结果进行了比较,结论表明3种PSVM多类分类方法能取得较好的分类性能。

对VB中过程调用的分析与探讨

过程调用是Visual Basic中重要的知识点,是学生不易理解的一个环节。提出了对过程调用正确有效分析的方法,并就按地址传递参数中学生较易混淆的问题进行了分析。