Сравнение классических и квантовых методов в физически информированных нейронных сетях для уравнения Аллена–Кана в условиях ограниченных и зашумлённых данных; Молодежь и современные информационные технологии

Detalhes bibliográficos
Parent link:Молодежь и современные информационные технологии.— 2026.— С. 390-394
Autor principal: Вакуленко В. А.
Outros Autores: Мерзликин Б. С. Борис Сергеевич (научный руководитель)
Resumo:В данной работе исследуется применение гибридных квантово-классических архитектур Q-PINN для решения задач, связанных с уравнением Аллена-Кана. Рассматриваются методы интеграции квантовых схем, включая предобработку данных, параметризованные квантовые слои и постобработку. Анализ проводится при варьируемом объеме данных и уровне шума. Результаты Q-PINN сравниваются с классическими PINN
Текстовый файл
Idioma:russo
Publicado em: 2026
Assuntos:
Acesso em linha:http://earchive.tpu.ru/handle/11683/139109
Formato: Recurso Eletrônico Capítulo de Livro
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=687418

MARC

LEADER 00000naa2a2200000 4500
001 687418
005 20260825154637.0
090 |a 687418 
100 |a 20260710d2026 k||y0rusy50 ca 
101 0 |a rus 
102 |a RU 
135 |a drbn ---uucaa 
200 1 |a Сравнение классических и квантовых методов в физически информированных нейронных сетях для уравнения Аллена–Кана в условиях ограниченных и зашумлённых данных  |f Вакуленко В. А.  |g науч. рук. Мерзликин Б. С. 
320 |a Список использованных источников: 9 назв 
330 |a В данной работе исследуется применение гибридных квантово-классических архитектур Q-PINN для решения задач, связанных с уравнением Аллена-Кана. Рассматриваются методы интеграции квантовых схем, включая предобработку данных, параметризованные квантовые слои и постобработку. Анализ проводится при варьируемом объеме данных и уровне шума. Результаты Q-PINN сравниваются с классическими PINN 
336 |a Текстовый файл 
463 1 |0 687244  |9 687244  |t Молодежь и современные информационные технологии  |o сборник трудов XXIII Международной научно-практической конференции студентов, аспирантов и молодых ученых, 18–20 февраля 2026 г., Томск  |c Томск  |d 2026  |n Изд-во ТПУ  |u conference_tpu-2026-C04.pdf  |v С. 390-394 
545 1 |a Искусственный интеллект и машинное обучение 
610 1 |a электронный ресурс 
610 1 |a труды учёных ТПУ 
610 1 |a квантовые вычисления 
610 1 |a машинное обучение 
610 1 |a дифференциальные уравнения 
610 1 |a частные производные 
610 1 |a уравнение Аллена-Кана 
610 1 |a шум 
610 1 |a диффузия 
700 1 |a Вакуленко  |b В. А. 
702 1 |a Мерзликин  |b Б. С.  |c математик  |c инженер-исследователь, старший преподаватель Томского политехнического университета, кандидат физико-математических наук  |f 1987-  |g Борис Сергеевич  |4 727 
801 0 |a RU  |b 63413507  |c 20260710 
850 |a 63413507 
856 4 0 |u http://earchive.tpu.ru/handle/11683/139109  |z http://earchive.tpu.ru/handle/11683/139109 
942 |c CF