输入数据

2024-08-30 机构名称:

使用此表格1。CC-1390表格。原始

数据元素1。法院名称。检查适用的法院类型。2。法院案件号。3。检查该刑事案件是否以英联邦的名义提出。4。检查并输入实体的名称，如果联邦除外，请带上案件。请参阅使用此表格4（a）。5。被告的全名。6。如果下令进行报告，请输入被告的出生日期。请参阅使用此表格4（b）。7。如果下令报告，请输入被告的社会保险号。请参阅使用此表格4（b）。8。如果下令进行报告，请输入被告的种族。请参阅使用此表格4（b）。9。如果下令报告，请输入被告的性别。请参阅使用此表格4（b）。10。输入构成该订单的基础的费用的简短说明。11。输入数据元素10中列出的费用的法定引用。12。输入数据元素中列出的犯罪日期10。13。输入进攻跟踪号。

查看详细

File

2020-03-31 机构名称:

arXiv:2003.13409v1 [quant-ph] 2020 年 3 月 30 日

摘要：量子计算可以在未来实现研究和工业领域的各种突破。尽管已经存在的一些量子算法与最著名的经典算法相比具有理论上的加速，但这些算法的实现和执行仍面临一些挑战。例如，输入数据决定了量子算法所需的量子比特和门的数量。算法实现还取决于所使用的软件开发工具包，这限制了可用的量子计算机集。由于当前量子计算机的功能有限，选择合适的量子计算机来执行给定输入的某种实现是一项艰巨的挑战，需要对所实现的量子算法有丰富的数学知识以及对所用软件开发工具包的技术知识。因此，我们提出了一个路线图，用于自动分析和选择某种量子算法的实现以及可以使用给定输入数据执行所选实现的合适量子计算机。

查看详细

File

2025-02-28 机构名称:

模拟飞行任务中的认知负载识别

量子卷积神经网络（QCNN）代表量子机学习中的一种有希望的方法，为量子和经典数据分析铺平了新方向。由于缺乏贫瘠的高原问题，训练量子神经网络（QNN）及其可行性，这种方法特别有吸引力。但是，将QCNN应用于经典数据时会产生一个限制。当输入量子数的数量为两个功率时，网络体系结构是最自然的，因为每个池层中的数量减少了两个倍。输入量子位的数量确定可以处理的输入数据的尺寸（即功能数量），从而限制了QCNN算法对现实世界数据的适用性。为了解决此问题，我们提出了一个QCNN体系结构，能够处理任意输入数据尺寸，同时优化量子资源（例如辅助量子器和量子门）的分配。这种优化不仅对于最大程度地减少计算资源很重要，而且在嘈杂的中间量子量子（NISQ）计算中至关重要，因为可以可靠地执行的量子电路的大小是有限的。通过数值模拟，我们基准了具有任意输入数据维度的多个数据集的各种QCNN体系结构的分类性能，包括MNIST，Landsat卫星，时尚 - 纳斯特和电离层。结果验证了提出的QCNN体系结构在利用最小资源开销的同时实现了出色的分类性能，当可靠的量子计算受噪声和缺陷限制时，提供了最佳解决方案。

查看详细