Dinamik sistemlerin kuantum sinir ağlarıyla analizi

Basit Öğe Kaydı
dc.authorid0000-0003-3266-0233en_US
dc.contributor.advisorYıldız, İhsan
dc.contributor.authorOğur, Beşir
dc.date.accessioned2024-07-12T22:37:14Z
dc.date.available2024-07-12T22:37:14Z
dc.date.issued2023en_US
dc.date.submitted2023-07en_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractRecently, proposed algorithms for quantum computing and generated quantum computer technologies continue to evolve. On the other hand, machine learning has become anessential method for solving many problems such as computer vision, natural languageprocessing, prediction and classification. Quantum machine learning is a new field developed by combining the advantages of these two primary methods. As a hybrid approach to quantum and classical computing, variational quantum circuits are a form of machine learning that allows predicting an output value against input variables. In this study, the effects of superposition and entanglement on weather forecasting, were investigated using a variational quantum circuit model when the dataset size is small. The use of the entanglement layer between the variational layers has made significant improvements on the circuit performance. The use of the superposition layer before the data encoding layer resulted in the use of less variational layers.en_US
dc.description.abstractGünümüzde kuantum hesaplama için önerilen algoritmalar ve üretilen kuantum bilgisayar teknolojileri gelişmeye devam etmektedir. Diğer taraftan makine öğrenmesi bilgisayarlı görü, doğal dil işleme, tahmin, sınıflandırma gibi, birçok problemin çözümü için başvurulan önemli yöntemlerden biri haline gelmiştir. Kuantum makine öğrenmesi, bu iki temel yöntemin avantajlı taraflarının birleştirilmesiyle geliştirilen yeni bir alandır. Kuantum ve klasik hesaplamaların hibrit bir yaklaşımı olarak varyasyonel kuantum devreleri, girdi değişkenlerine karşılık bir çıktı değerinin tahmin edilmesini sağlayan makine öğrenmesi formundadır. Bu çalışmada, süper pozisyonun ve dolaşıklığın etkileri, veri kümesi boyutunun küçük olması durumunda, varyasyonel kuantum devre modeli ile hava durumu tahmini araştırılmıştır. Varyasyonel katmanlar arasında dolaşıklık katmanının kullanılması devre performansı üzerinde önemli bir etkiye sahip olduğu görülmüştür. Başlangıçta süperpozisyon katmanının kullanılması daha az sayıda varyasyonel katman kullanmamıza olanak sağlamıştır.en_US
dc.identifier.citationOğur, B. (2023). Dinamik sistemlerin kuantum sinir ağlarıyla analizi / Analysis of dynamic systems with quantum neural networks. (Yayımlanmamış Doktora Tezi). Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12415/12572
dc.language.isotren_US
dc.publisherT.C. Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzKT2636en_US
dc.subjectKuantum hesaplamaen_US
dc.subjectMakine öğrenmesien_US
dc.subjectHava durumu tahminien_US
dc.subjectVaryasyonel kuantum devrelerien_US
dc.subjectHibrid kuantum-klasik sinir ağlarıen_US
dc.subjectQuantum computingen_US
dc.subjectMachine learningen_US
dc.subjectWeather forcastingen_US
dc.subjectVariational quantum circuiten_US
dc.subjectHybrid quantum-classic neural networken_US
dc.titleDinamik sistemlerin kuantum sinir ağlarıyla analizien_US
dc.title.alternativeAnalysis of dynamic systems with quantum neural networksen_US
dc.typeDoctoral Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Beşir_Oğur_091450102.pdf
Boyut:
2.71 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu