ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Frontiers in Quantum Computing: New Research

دانلود کتاب مرزها در محاسبات کوانتومی: تحقیقات جدید

Frontiers in Quantum Computing: New Research

مشخصات کتاب

Frontiers in Quantum Computing: New Research

ویرایش:  
نویسندگان:   
سری: Computer Science, Technology and Applications 
ISBN (شابک) : 9781685078164, 1685078168 
ناشر: Nova Science Publishers 
سال نشر: 2022 
تعداد صفحات: 265
[280] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 Mb 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Frontiers in Quantum Computing: New Research به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مرزها در محاسبات کوانتومی: تحقیقات جدید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب مرزها در محاسبات کوانتومی: تحقیقات جدید

هدف این کتاب انتقال پیشرفت‌های دانش و کمک به انتشار نتایج مربوط به کاربردهای اخیر و مطالعات موردی در زمینه محاسبات کوانتومی در میان متخصصان شاغل و متخصصان آموزش و پژوهش است که بخش گسترده‌ای از رشته‌های فنی را پوشش می‌دهد. این کتاب به دانش‌آموزان اجازه می‌دهد تا دانش را در محاسبات کوانتومی برای تولید سیستم‌های کاربردی و بی‌ضرر و همچنین سیستم‌های هدفمند با فناوری‌های پیشرفته کشف کنند. برای به دست آوردن سیستم‌های کامپیوتری با قابلیت استفاده مناسب، توسعه‌دهندگان باید سعی کنند عواملی را که تعیین‌کننده نحوه استفاده مردم از فناوری است، درک کنند. این کتاب برای خوانندگان مقطعی و چند رشته ای گسترده ای از دانشگاهیان، نمایندگان تجاری، مدیران عامل، طراحان ارتباطات، دانشمندان کامپیوتر، مشتریان دیجیتال، تصمیم گیرندگان الکترونیکی، طراحان محیط یادگیری الکترونیکی، رهبران صنعتی، مشاوران صنعت، کارگران کلیدی پاسخ خواهد داد. ، آژانس های مجری قانون، مدیران، شاغلان، متخصصان، اساتید، سازمان های الکترونیکی انتفاعی/غیرانتفاعی، برنامه نویسان، انجمن های تحقیقاتی تحقیق و توسعه/حرفه ای، معماران امنیتی، ذینفعان، دانشجویان، کارکنان پشتیبانی و محققان دانشگاهی/دانشمندان جوامع مختلف، مانند هوش مصنوعی، سیستم‌های فیزیکی سایبری، اخلاق، رباتیک، مهندسی ایمنی، سیستم‌های حیاتی ایمنی، استانداردسازی و صدور گواهینامه پزشکی قانونی دیجیتال و جوامع دامنه کاربردی مانند هوافضا، کشاورزی، خودرو، زیرساخت‌های حیاتی، مراقبت‌های بهداشتی، تولید، خرده‌فروشی، حمل‌ونقل هوشمند، هوشمند شهرها و مراقبت های بهداشتی هوشمند، با استفاده از مطالعات موردی واقعی و پیش بینی نتایج، نشان دادن جزئیات پیچیده محاسبات کوانتومی در این سناریوهای واقعی. به عنوان آخرین نکته، این کتاب اطلاعات به روز، از پیش برنامه ریزی شده و خلاقانه ای را در اختیار علاقه مندان به حوزه محاسبات کوانتومی قرار می دهد.


توضیحاتی درمورد کتاب به خارجی

The objective of this book is to communicate advancements of knowledge and help disseminate results concerning recent applications and case studies in the area of quantum computing among working professionals and professionals in education and research, covering a broad cross-section of technical disciplines. This book will allow students to explore knowledge in quantum computing to produce serviceable and innocuous systems as well as purposeful systems with cutting-edge technology. To yield computer systems with decent usability, developers must attempt to understand the factors that determine how people use technology. This book will cater to an extensive cross-sectional and multi-disciplinary readership ranging from academics, business delegates, CEOs, communication designers, computer scientists, digital customers, e-decision makers, eLearning environment designers, industrial leaders, industry consultants, key workers, law enforcement agencies, managers, practitioners, professionals, professors, profit/non-profit e-organizations, programmers, R&D/professional research communities, security architects, stakeholders, students, support staff and university researchers/scholars of various communities, such as artificial intelligence, cyber-physical systems, ethics, robotics, safety engineering, safety-critical systems, standardization and certification digital forensics and application domain communities such as aerospace, agriculture, automotive, critical infrastructures, healthcare, manufacturing, retail, smart transports, smart cities and smart healthcare, using real case studies and projecting outcomes, showing the intricate details of quantum computing in these real-life scenarios. As a final point, this book will provide up-to-date, premeditated, and creative information to those engrossed in the field of quantum computing.



فهرست مطالب

Contents
Preface
Acknowledgments
Chapter 1
Programming a Quantum Computer  Using Python
	Abstract
	1. Introduction
	2. Need for Quantum Computers
	3. Fundamentals of Quantum Computing
	4. Where Does the Concept of Bits Come From?
	5. Properties of Quantum Computing
		5.1. Superposition
		5.2. Entanglement
		5.3. Interference
	6. Python Programming Language
	7. QISKit
		7.1. Installation
		7.2. Importing Qiskit
		7.3. Version
		7.4. Quantum Circuit
		7.5. Connecting to IBM Quantum Computing Prototype
		7.6. Executing a Measurement on the IBM Quantum  Computing Prototype
		7.7. Random Number Generation using IBM Quantum Computer
	8. Major Challenges in Quantum Computing
	Conclusion and Future Scope
	References
Chapter 2
Blockchain-Based Quantum Key  Distribution Approach
	Abstract
	1. Introduction
		1.1. Key Organization for Information Encryption  in WSN Environment
		1.2. The Extensive Keys Construction of the WSN IEEE  802.1 Equipment
	2. Related Works
	3. Proposed Methodology
		3.1. Sender
		3.2. Receiver
		3.3. Data Encryption
		3.4. BB84 Procedure
		3.5. Encryption Process of Messages
	4. Results
	Conclusion
	References
Chapter 3
Quantum Computing of PMS Using  Machine Learning Algorithms for Revenue  Management in Front Office Operations
	Abstract
	1. Introduction
	2. Literature Review
	3. Quantum Algorithm for Property Management System
		3.1. Central Reservation System (CRS)
		3.2. Applications of PMS
		3.3. Reservation Module
		3.4. Revenue Management System (RMS)
			3.4.1. Capacity Management
			3.4.2. Discount Allocation Based on Demand
			3.4.3. Duration Control
		3.5. Global Distribution System (GDS)
		3.6. Online Travel Agency (OTA)
		3.7. Quantum Property Management System with OTA
		3.8. Grover’s Algorithm
	Conclusion
	References
Chapter 4
Bernstein Vazirani and Deutsch Algorithm: Made Easy in Qiskit
	Abstract
	1. Introduction
		1.1. Fundamentals of Quantum Computing
			1.1.1. Transformations of Qubits Using the Bloch Sphere
		1.2. Simulating Polarisation of Light on a Quantum Computer
		1.3. Entanglement and Teleportation Using Qiskit
			1.3.1. Quantum Teleportation Implementation in Qiskit
		1.4. Entanglement of Qubits
			1.4.1. Bell States and Composing Quantum Circuits
			1.4.2. Measurement in the Bell Basis
	2. Deutsch Algorithm
		2.1. What Does a Classical Algorithm Do?
		2.2. Quantum Representation of the above Problem
		2.3. Quantum Representation: Deutsch Algorithm
		2.4. Qiskit Implementation
			2.4.1. Constant Oracle
			2.4.2. Balanced Oracle
	3. Bernstein-Vazirani Algorithm
	Conclusion
	References
Chapter 5
Quantum Aided Deep Learning Framework  for Motif Structure Prediction
	Abstract
	1. Introduction
	2. Background
		2.1. Motifs
			2.1.1. Evolution of Motif Classifiers
			2.1.2. Importance of Structure Prediction
				Protein Structures
		2.2. Need for Current Research Work
		2.3. Map Reduce Framework
			2.3.1. API Layer
			2.3.2. Hadoop Distributed File System (HDFS)
				Name Node
				Data Node
			2.3.3. Essential Attributes of HDFS
			2.3.4. Hive
		2.4. Deep Learning Model
		2.5. Proposed Methodology
		2.6. Word Embedding’s - Vectorisation
	3. AI Techniques for Motif Prediction
		3.1. Input Dataset
		3.2. Feature Extraction
		3.3. Predict Helix Turn Helix - AI Techniques
	4. Deep Neural Network Implementation
		4.1. Convolutional Neural Network
	5. Experimental Results
		5.1. Confusion Matrix Results
	Conclusion
	References
Chapter 6
Quantum Behaved Translation  Invariant Feature Extraction  for Chromosome Classification
	Abstract
	1. Introduction
	2. Rotation and Translation Invariant Feature Extraction
		2.1. Wavelet Orthonormal Decomposition into Subpatterns
		2.2. Performance Analysis
	3. Microarray Data
		3.1. Cluster Performance Analysis
		3.2. Protein Dataset
		3.3. Feature Engineering
		3.4. Model Creation—SOM
		3.5. Average Accuracy Error Rate
		3.6. Prediction Results
	4. Proposed Adaptive Threshold for Denoising
	Conclusion
	References
Chapter 7
Quantum Based Dynamic Clustering  of Pharmacovigilance Data
	Abstract
	1. Introduction
		1.1. K-Means Partitioning
	2. Dynamic Document Clustering
		2.1. Description of Proposed Dynamic Clustering Algorithm
	3. Proposed Clustering Using Maximum Resemblance Data Labeling (MARDL) Technique
		3.1. Implementation Code
			3.1.1. K-Means Clustering
			3.1.2. Bisecting K-Means
			3.1.3. Weight Matrix
			3.1.4. Proposed Algorithm
	4. Results and Discussion
		4.1. Bisecting K-Means
		4.2. Proposed Dynamic Algorithm
			4.2.1. Dynamic Algorithm for Forming New Cluster
		4.3. Performance Analysis
			4.3.1. Comparison Concerning the Time of Static Bisecting K-Means Algorithm and Proposed Dynamic Document Concerning the Time
			4.3.2. Static Bisecting K-Means Algorithm and Proposed Dynamic Algorithm in Purity
			4.3.3. Static Bisecting K-Means Algorithm and Proposed Dynamic Algorithm in Intracluster Similarity
			4.3.4 Static Bisecting K-Means Algorithm and Proposed Dynamic Algorithm in Inter-Cluster Similarity
	Conclusion
	References
Chapter 8
Quantum-Based Deep Learning  for Multi-Level Grading of Mangoes
	Abstract
	1. Introduction
		1.1. Current Grading Methods
		1.2. Current Grading Technology
		1.3. Limitations of the Current Grading Methods and Technology
		1.4. The Need for Artificial Intelligence
		1.5. The Proposed Solution for Fruit Grading
		1.6. Mango Supply and Demand
		1.7. Factors Affecting Mango Quality
		1.8. Objective Quality Evaluation
		1.9. The Significant Contribution of This Research
	2. Literature Survey
		2.1. Factors Influencing the Fruit Quality Assessment
		2.2. Assessment Based on External Appearance Using  Computer Vision, Image Processing and Conventional  Neural Network Methods
		2.3. Assessment Based on Internal Attributes Using  Visible/Near-Infrared Spectroscopy
		2.4. Quality Grading Using Classification and Regression Algorithms
		2.5. Quality Grading Using Different Devices
	3. Materials and Methods
		3.1. Research Objective and Methodology
		3.2. Data Acquisition
		3.3. Process and Steps
			3.3.1. Research Objective 1: Microscopic Grading
				Pre-Processing and Feature Extraction
				Model Design
			3.3.2. Research Objective 2: External Grading
				Pre-Processing and Feature Extraction
				Model Design
			3.3.3. Research Objective 3: Internal Grading
				Pre-Processing and Feature Extraction
				Model Design
			3.3.4. Research Objective 4: Combined Multi-Level Grading
	4. Data Analysis and Findings
		4.1. Step 1: Creation of Dataset
			4.1.1. Model Development and Execution Process Flow
				Microscopic Grading
				External Grading
		4.2. Step 2: Train the Model
		4.3. Step 3: Evaluate and Classification of Variety and Quality
			4.3.1. Step 1: Model Development and Execution Process Flow –  Internal Grading
			4.3.2. Step 2: Modelling Using Multivariate Algorithms
			4.3.3. Step 3: Evaluate and Classify Based on Sweetness/TSS
		4.4. Step 4: Compare with Previous Works
			4.4.1. Model Development and Execution Process Flow – Combined Multi-Level Grading
	5. Discussion of the Findings
		5.1. Research Objective
		5.2. Research Methodology for Multi-Level Grading
		5.3. Data Acquisition
		5.4. Pre-Processing and Feature Extraction
		5.5. Model Design
		5.6. Model Development and Execution Process Flow
		5.7. Compare with Previous Works
	Summary and Conclusion
		Contribution of the Current Work
		Limitations
		Recommendations for Future
	References
Chapter 9
Efficient Quantum-Based Secure Route Creation and Data Transfer in Mobile  Ad-Hoc Networks Using Multi-User  Co-Operative Motion Mechanism
	Abstract
	1. Introduction
	2. Literature Survey
		2.1. Research
			2.1.1. Gap Identified from the Literature Survey
			2.1.2. Objectives
			2.1.3. Contribution
				Phase 1
				Phase 2
				Phase 3
				Phase 4
				Phase 5
	3. Proposed Algorithm
	4. Proposed Work
		4.1. Secure Route Creation for ADN Using RFR Algorithm
			4.1.1. RFA
				Design
				Algorithm
			4.1.2. Performance Analysis
				Participation without Authorization
				Route Signaling Spoof
				Routing Message Alteration
					RFA
		4.2. Multi-User Efficiency Mechanism
			4.2.1. Efficient Cooperation Model
			4.2.2. Multi-User Co-Operative
				Method
				Motion with Broadcast
			4.2.3 Working Mechanism of Cooperative Method
				Theorem 1
		4.3. An Efficient Cooperative Motion - Quality of Service  in Mobile Adhoc Networks
		4.4. Mobile Ad-Hoc Network Intrusion Detection  in Cooperative Motion
	Conclusion
	References
Chapter 10
Pattern Recognition Accuracy  of Echocardiogram Images Using  Deep Learning Techniques
	Abstract
	1. Introduction
		1.1. The Objective of the Research Work
		1.2. Problem Definition
		1.3. Contribution of Research Work
	2. Literature Review
		2.1. Optimization Methods Based Disease Diagnosis
		2.2. Gravitational Search and Heuristic Search Methods  for Disease Diagnosis
		2.3. Machine Learning Technique for Diagnosis  Performance Enhancement
		2.4. Deep Neural Learning Method for Disease Prediction
		2.5. Convolution Neural Network-Based Disease Diagnosis
		2.6. Different Classification Methods with ECG Information
	3. Proposed Methodology
		3.1. Hierarchical Elitism Gene Gravitational Search Method
			3.1.1. Additive Kuan Speckle Noise Filtering Model
			3.1.2. Hierarchical Elitism Gene GSO Optimization of MNN
		3.2. Frost Filtration Fuzzified Gravitational Search Based  Shift-Invariant Deep Structure Feature Learning Technique
	4. Simulations and Performance Metric Analysis
		4.1. Measure of Pattern Recognition Accuracy
		4.2. Measure of Computational Time
	Conclusion
	References
About the Editor
Index
Blank Page




نظرات کاربران