โมเดลควอนตัมโครงข่ายประสาทเทียมสำหรับปัญหาการถดถอย

สุรพันธุ์ เหล่าคนดี

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/80123

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	ประภาส จงสถิตย์วัฒนา	-
dc.contributor.author	สุรพันธุ์ เหล่าคนดี	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2022-07-23T05:15:27Z	-
dc.date.available	2022-07-23T05:15:27Z	-
dc.date.issued	2564	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/80123	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564	-
dc.description.abstract	ควอนตัมคอมพิวเตอร์ได้แสดงให้เห็นถึงความสามารถที่เหนือกว่าคอมพิวเตอร์แบบคลาสสิคในการแก้ไขปัญหาบางประเภทด้วยการใช้กฎของกลศาสตร์ควอนตัมและด้วยการรวมเอาความรู้ทางด้านการเรียนรู้ของเครื่องและควอนตัมคอมพิวเตอร์ทำให้เกิดองค์ความรู้ใหม่ที่เรียกว่าการเรียนรู้ของเครื่องแบบควอนตัม ควอนตัมโครงข่ายประสาทเทียมเป็นหนึ่งในรูปแบบของการใช้ความรู้ของการเรียนรู้ของเครื่องและคอมพิวเตอร์ควอนตัมด้วยการดัดแปลงความคิดจากการทำโครงข่ายประสาทเทียมแบบคลาสสิคและการใช้ควอนตัมเกทแบบปรับค่าได้มาเป็นค่าน้ำหนักของโครงข่ายประสาทเทียม ในงานวิจัยนี้ได้นำเสนอการประยุกต์ใช้ควอนตัมโครงข่ายประสาทเทียมด้วยข้อมูลจากโลกจริงเพื่อแก้ไขปัญหาการถดถอยเพื่อทำนายจำนวนโทเคนที่ใช้ในระบบประมูลรายวิชา โดยการทดลองจะถูกทำบนเครื่องจำลองคอมพิวเตอร์ควอนตัมของไอบีเอ็ม(Qiskit) ผลลัพธ์ของการทดลองได้แสดงให้เห็นว่าควอนตัมโครงข่ายประสาทเทียมสามารถบรรลุผลที่ดีในการทำนายเมื่อเปรียบเทียบกับโครงข่ายประสาทเทียมแบบคลาสสิคโดยโมเดลที่ดีที่สุดมีค่ารากที่สองของค่าเฉลี่ยความผิดพลาดกำลังสอง(RMSE) ที่ 6.38% วิธีการนี้ทำให้เกิดการเปิดกว้างสำหรับโอกาสที่จะสำรวจผลประโยชน์ของการเรียนรู้ของเครื่องแบบควอนตัมในการทำวิจัยในอนาคต	-
dc.description.abstractalternative	Quantum computer has shown the advantage over the classical computer to solve some problems using the laws of quantum mechanics. With a combination of knowledge of machine learning and quantum computing, Quantum neural networks adapted the concept from classical neural networks and apply parameterized quantum gates as neural network weights. In this paper, we present an application of quantum neural networks with real-world data to predict token price used in a course bidding system. The experiments were carried out on the Qiskit quantum simulator. The result shows that quantum neural networks can achieve a good prediction result compared to the classical neural network. The best model configuration has the lowest RMSE 6.38%. This approach opens an opportunity to explore the benefit of quantum machine learning in many research fields in the future.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2021.957	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject.classification	Computer Science	-
dc.subject.classification	Computer Science	-
dc.title	โมเดลควอนตัมโครงข่ายประสาทเทียมสำหรับปัญหาการถดถอย	-
dc.title.alternative	Quantum neural network model for regression problems	-
dc.type	Thesis	-
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2021.957	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
6372122221.pdf		1.92 MB	Adobe PDF	View/Open

Show simple item record