英语翻译Question 34.Can stability analyses be performed on closed loop quantum learning algorithmsunder uncertainties and disturbances in the measurements and control fields forgeneral classes of quantum systems and control objectives?Such an ana

英语翻译Question 34.Can stability analyses be performed on closed loop quantum learning algorithmsunder uncertainties and disturbances in the measurements and control fields forgeneral classes of quantum systems and control objectives?Such an ana
英语翻译
Question 34.Can stability analyses be performed on closed loop quantum learning algorithms
under uncertainties and disturbances in the measurements and control fields for
general classes of quantum systems and control objectives?
Such an analysis could give insight into how best to operate the laboratory experiments.
In principle,any optimization algorithm can be applied to quantum learning control.
For example,gradient descent and simulated annealing algorithms have been explored
in simulations [111],but the GA outperformed them in several test cases.However,
this subject has not received a thorough examination:
Question 35.Do there exist algorithms that converge with greater efficiency or robustness
than the genetic algorithm for certain classes of quantum mechanical learning control
problems?
In treating question 35 it is important to consider the ability to perform very large numbers
of quantum control experiments,which may overcome certain algorithmic shortcomings
found under more common conditions.This ability is almost unprecedented in
other applications of learning algorithms.
Another approach to quantum learning control is provided by the use of input → output mapping techniques [113,114].These methods develop an effective map between
the inputs (i.e.,the parameters or features defining the control laws) and the outputs (i.e.,
the expectation values of objective operators).A map from the control input space C to
the space of possible expectation values may be determined directly from the laboratory
input and output data; a series of these maps may be needed to cover a sufficiently large
portion of C.The control law that optimally satisfies the objectives can be identified from
these maps using a suitable learning algorithm.Logical next steps in the development of
these methods include answering:
Question 36.What methods can be used to extend the linear input–output learning control
techniques developed in [113,114] to generate nonlinear maps?
中括号的公式编号保留,能帮我翻译的,我之后可以再追加悬赏,

英语翻译Question 34.Can stability analyses be performed on closed loop quantum learning algorithmsunder uncertainties and disturbances in the measurements and control fields forgeneral classes of quantum systems and control objectives?Such an ana
问题34：对于一般等级的量子系统及其控制目标来说,在测量和控制领域充满无常性和失调性的情况下,稳定性分析能否应用在封闭回路的量子学习算法上?
这样的分析能够让我们洞察如何能最好地操作实验室试验.
从理论上讲,任何优化算法都可以被应用于量子学习控制.
例如,梯度下降法（梯度衰减法）和模拟退火算法已经在模拟试验[111]中得到研究,但GA在几种测试环境中的表现都优于它们.然而,这一研究主题并没有得到全面检验：
问题35：对于某些确定等级的量子机械学习控制问题而言,是否存在比遗传算法更加有效和稳定的算法?
要回答问题35,重要的是考虑进行数目非常庞大的量子控制实验的能力,这可能会克服在更普遍的条件下所发现的一些的算法缺陷.这种能力在其它学习算法的应用中几乎是空前的.
另一个量子学习控制的方法来自于一输入→输出映射图技术[113,114]的应用.这种方法可以在输入（例如,定义控制法则的参数或特征）和输出（例如,目标算子的期望值）之间生成有效的映射图.从控制的输入C空间到可能的期望值空间之间的映射图可以直接由实验室的输入和输出数据来决定；一系列这样的映射图可能需要覆盖C中相当大的一部分.最满足目标的控制法则可以通过使用恰当的学习算法,来由这些映射图确定.这些方法发展的下一个逻辑步骤包括解答以下问题：
问题36：什么方法可以用来扩展在[113,114]中开发出的线性输入—输出学习控制技术,从而生成非线性映射图?

问题 34. 能安定分析被运行在关闭环分配量上学问运算法则
在测量和控制的不确定和扰乱之下领域为
分配量系统和控制目的的一般班级?
一项如此分析可以提供的洞察如何最好操作实验室实验。
大体而言，任何的最佳化运算法则能被适用于分配量学问控制。
举例来说, 倾斜度降落而且模拟韧化运算法则已经被探究
在模拟方面 [111],但是 GA 在一些测试情形...

全部展开

问题 34. 能安定分析被运行在关闭环分配量上学问运算法则
在测量和控制的不确定和扰乱之下领域为
分配量系统和控制目的的一般班级?
一项如此分析可以提供的洞察如何最好操作实验室实验。
大体而言，任何的最佳化运算法则能被适用于分配量学问控制。
举例来说, 倾斜度降落而且模拟韧化运算法则已经被探究
在模拟方面 [111],但是 GA 在一些测试情形中赢过他们。 然而,
这一个主题没有接受完全的考试:
问题 35. 在那里存在以较棒的效率或强健聚合的运算法则
超过遗传基因的运算法则对于分配量的特定班级机械的学问控制
问题?
在注入中重要的是考虑能力运行非常大的数字问题 35
分配量控制实验, 可能克服特定的算法缺点
在比较通常的情况发现。 这一种能力几乎是空前的在
学习运算法则的其他申请。
另外的达成方式由输入的使用提供学习控制的分配量是 -> 输出映射技术 [113,114]. 这些方法发展一张有效的地图在
输入 (也就是,定义控制法律的叁数或特征) 和输出 (也就是,
客观操作员的期待价值). 来自控制的一张地图输入隔开 C 到
可能期待价值的空间可能被从实验室直接地决定
输入和输出数据; 一系列的这些地图可能被需要包括一充份地大大
C. 的部分控制法律最佳地使目的满意能被识别从
使用一个适当的学问运算法则的这些地图。 在发展中的合乎逻辑的下个步骤
这些方法包括回答:
问题 36. 方法能用来扩充线的输入–输出学问控制
技术发展在 [113,114] 产生非线性地图?
LZ采用偶的哈~谢谢了哈

收起

质询34. 可以对闭环稳定性分析演出下学习算法量子不确定性和干扰测量与控制 普通班量子场与控制系统的目标是什么? 这种分析可以深入了解如何操作实验. 原则上,任何算法可以应用于量子学习控制. 例如,模拟退火算法和梯度下降已经摸索出模拟[111]、 但他们在几个优于镓测试用例. 不过,此事并未得到彻底检查:问题35. 不存在衔接更有效率的算法,或者比稳健某类量子遗传算法 机械学习控制问题? 35问治...

全部展开

质询34. 可以对闭环稳定性分析演出下学习算法量子不确定性和干扰测量与控制 普通班量子场与控制系统的目标是什么? 这种分析可以深入了解如何操作实验. 原则上,任何算法可以应用于量子学习控制. 例如,模拟退火算法和梯度下降已经摸索出模拟[111]、 但他们在几个优于镓测试用例. 不过,此事并未得到彻底检查:问题35. 不存在衔接更有效率的算法,或者比稳健某类量子遗传算法 机械学习控制问题? 35问治疗能力是重要考虑演出大量量子控制实验 算法可克服缺点,发现在某些情况较为普遍. 这种能力几乎是前所未有其他应用学习算法. 另一个办法是由量子学习控制投入使用量测技术>[113114]. 这些方法之间建立有效的投入图(即 参数或特征界定管制法)和产出(即预期值的经营目标). 对照地图从太空向丙投入空期待值可能会直接从待定 该实验室的投入和产出数据; 一系列这些地图可能需要支付相当大一部分三对照法 最大限度满足目标能确定从这些地图采用适当的学习算法. 下一步符合逻辑的发展,这些方法包括回答:问题36. 可以用什么办法延长线投入产出学习控制技术开发[113114]生成非线性地图?

收起

111], but the GA outperformed them in several test cases. However,
this subject has not received a thorough examination:
Question 35. Do there exist algorithms that converge with greater efficiency or robustness
than the genetic algorithm for certain classes of quantum mechanical learning control

问题34。 罐头稳定性分析在闭环量子学习算法执行 在不确定性和干扰在测量和控制域之下为 量子系统和控制目标一般类？ 这样分析可能给予洞察力入多么最好操作实验室试验。 原则上，所有最优化算法可以被运用于量子学习控制。 例如，梯度下降和被模仿的锻炼的算法被探索了 在模仿[111]，但是GA胜过了他们在几个判例案件。 然而， 这个主题未接受一次详尽的考试： 问题35。 那里存在聚合以更加伟大的效率或强壮...

全部展开

问题34。 罐头稳定性分析在闭环量子学习算法执行 在不确定性和干扰在测量和控制域之下为 量子系统和控制目标一般类？ 这样分析可能给予洞察力入多么最好操作实验室试验。 原则上，所有最优化算法可以被运用于量子学习控制。 例如，梯度下降和被模仿的锻炼的算法被探索了 在模仿[111]，但是GA胜过了他们在几个判例案件。 然而， 这个主题未接受一次详尽的考试： 问题35。 那里存在聚合以更加伟大的效率或强壮的算法 比基因算法为量子机械学习控制某些类 问题？ 在对待问题35考虑能力执行非常大数是重要的 量子控制实验，也许克服某些算法缺点 在更加共同的情况下发现。 这能力是几乎史无前例的 学习算法的其他应用。 对量子学习控制的另一种方法由提供输出的对输入→的用途映射技术[113,114]。 这些方法开发一张有效的地图之间 输入(即，定义控制定律)的参量或特点和产品(即， 客观操作员的期待值)。 一张地图从控制输入空间C 可能的期待值空间也许直接地从实验室被确定 输入和输出数据; 一系列这些地图也许是需要的盖一充足地大 C.的部分。 优选地满足宗旨的控制定律可以被辨认从 这些地图使用一个适当的学习算法。 逻辑以下步骤在发展 这些方法包括回答： 问题36。 什么方法可以用于扩大线性输入-输出学习控制 技术开发[113,114]引起非线性地图？
我为您翻译得怎么样？

收起

问题34 。罐头稳定分析执行在闭合回路量子学习算法 在不确定性和干扰在测量和控制域之下为 量子系统和控制宗旨一般组? 这样分析能给予洞察力入多么最好操作实验室试验。 原则上, 任一种优化算法可能向量子学习控制被运用。 例如, 梯度下降和被模仿的锻炼的算法被探索了 在模仿[ 111 ], 仅GA 胜过了他们在几个判例。但是, 这个主题未接受一次详尽的考试: 问题35 。那里存在聚合以更加伟大的效率或...

全部展开

问题34 。罐头稳定分析执行在闭合回路量子学习算法 在不确定性和干扰在测量和控制域之下为 量子系统和控制宗旨一般组? 这样分析能给予洞察力入多么最好操作实验室试验。 原则上, 任一种优化算法可能向量子学习控制被运用。 例如, 梯度下降和被模仿的锻炼的算法被探索了 在模仿[ 111 ], 仅GA 胜过了他们在几个判例。但是, 这个主题未接受一次详尽的考试: 问题35 。那里存在聚合以更加伟大的效率或强壮的算法 比基因算法为量子机械学习控制某些组 问题? 在对待的问题35 它是重要考虑能力执行非常大数字 量子控制实验, 也许克服某些算法缺点 发现在更加共同的情况下。这能力是几乎史无前例的 学习算法的其它应用。 对量子学习控制的其它方法由对输入?utput 的用途提供映射技术[ 113,114 ] 。这些方法开发一张有效的地图之间 输入(即, 参量或特点定义控制法律) 并且产品(即, 客观操作员的期望价值) 。一张地图从控制输入空间C 可能的期望价值空间也许被确定直接地从实验室 输入和输出数据; 一系列这些地图也许是需要的盖一充足地大 C 的部份。优选地满足宗旨的控制法律可能被辨认从 这些地图使用一种适当的学习算法。逻辑下步在发展 这些方法包括回答: 问题36 。什么方法可能使用扩大线性input.Coutput 学习控制 技术显现出[ 113,114 ] 引起非线性地图?

收起

自己下载一个 金山快译就可以了

太多了

lindak28 - 魔法师 五级 的回答已经相当好了，有一个问题是：This ability is almost unprecedented inother applications of learning algorithms。是学习算法其他的应用，而不是其他的学习算法。
问题34。对于在普通级别的量子系统和控制目标中，稳定分析能否在测量和控制领域有不确定度和有扰动的情况下被环形闭合量...

全部展开

lindak28 - 魔法师 五级 的回答已经相当好了，有一个问题是：This ability is almost unprecedented inother applications of learning algorithms。是学习算法其他的应用，而不是其他的学习算法。
问题34。对于在普通级别的量子系统和控制目标中，稳定分析能否在测量和控制领域有不确定度和有扰动的情况下被环形闭合量子学习算法执行。
这样的分析能够让人们深入了解如何进行最优的实验室试验。
原则上，任何优化算法都能够被用于量子学习控制。
例如， 梯度下降法和模拟退火算法在[111]模拟中已经被探究过了，但是GA算法在几个试验案例中表现胜过它们。但是这个课题还没有经过彻底的检测。
问题35。对于确定等级的量子机械学习控制问题，是否存在比遗传算法更有效更稳定的算法？
解决问题35，考虑其执行巨大量的量子控制试验能力是很重要的，并且能够克服在更普通的条件下发现的某些算法上的缺陷。这种能力在学习算法的其他应用上（的前景）几乎是空前的。
量子学习控制的另外一个方法是由输入→输出的映射技术[113,114]来提供的。这些方法得出了一个在输入 （例如，由控制法则定义的参数和特性）和输出（例如，目标算子的期望数值）之间的有效的映射.一个由控制输入集合C 到可能预期值集合的映射能够直接由实验室的输入和输出数据决定；要覆盖足够大部分的C那么需要一系列这样的映射。最优满足目标控制法则能够在这些映射中用一种合适的学习算法确定出来。这些问题的发展的逻辑的下一步包括回答：
问题36：什么方法可以用来扩展在[113，114]中开发出的线性输入—输出学习控制技术，从而生成非线性映射图？

收起

晕~~~~~~~~~

问题34。稳定性分析是被在封闭环上进行的量学习算法该多好
在下面不确定和骚动在内那些尺寸和控制字段为
量体制和控制物镜的一般种类？
这样的一个分析给能对了解经营实验室经验多么最。
原则上，任何最优化算法能被用于量学习控制。
例如，坡度降下和模拟退火算法已经被探索
在模拟过程中 [111],但是GA 在几个测试例胜过他们。但是，
这...

全部展开

问题34。稳定性分析是被在封闭环上进行的量学习算法该多好
在下面不确定和骚动在内那些尺寸和控制字段为
量体制和控制物镜的一般种类？
这样的一个分析给能对了解经营实验室经验多么最。
原则上，任何最优化算法能被用于量学习控制。
例如，坡度降下和模拟退火算法已经被探索
在模拟过程中 [111],但是GA 在几个测试例胜过他们。但是，
这个主题没收到一次彻底的检查：
问题35。 那里现有与巨大效率或者稳定性一致的算法
比量机械学习控制的某些种类的这种遗传算法
问题吗？
在处理问题35过程中认为能力执行许多是重要的
量中，控制实验，这可以克服某些算法的缺点
在更普通的条件下发现。
这才能几乎空前在里。
学习算法的其他应用。
另一种量学习控制的方法由使用输入提供吗？
生产映象技术 [113,114 ].
这些方法发展一张有效的地图在之间
输入(即客观的操作者的期待值)来自控制输入C 空间的一张地图到
可能的期待值的空间可能被从实验室直接确定输入和输出数据； 一系列这几次地图可能被需要给投保一足够大C的部分。最佳满足目标的控制规则可以被从鉴定这些地图使用合适学习算法。合乎逻辑下一步在发展内
这些方法包括回答：
问题36。什么方法能用来延长线的inpututput学习控制
技术发展在里 [113,114 ]产生非线性的地图吗？

收起

问题34 。稳定分析可能执行在闭合回路量子学习算法在不确定性和干扰之下在测量和控制域为量子系统和控制宗旨一般组吗? 这样分析能给予洞察力入多么最好操作实验室试验。 原则上, 任一种优化算法可能向量子学习控制被运用。例如, 梯度下降和被模仿的锻炼的算法被探索了在模仿[ 111 ], 但GA 胜过了他们在几个判例。但是, 这个主题未接受一次详尽的考试: 问题35 。那里存在比基因算法聚合以更加伟大的效...

全部展开

问题34 。稳定分析可能执行在闭合回路量子学习算法在不确定性和干扰之下在测量和控制域为量子系统和控制宗旨一般组吗? 这样分析能给予洞察力入多么最好操作实验室试验。 原则上, 任一种优化算法可能向量子学习控制被运用。例如, 梯度下降和被模仿的锻炼的算法被探索了在模仿[ 111 ], 但GA 胜过了他们在几个判例。但是, 这个主题未接受一次详尽的考试: 问题35 。那里存在比基因算法聚合以更加伟大的效率或强壮为量子机械学习控制问题某些组的算法? 在对待的问题35 它是重要考虑能力执行非常很大数量的量子控制实验, 也许克服某些算法缺点被发现在更加共同的情况下。这能力是几乎史无前例的在学习算法的其它应用。对量子学习控制的其它方法由对输入的用途提供? 产品映射技术[ 113,114 ] 。这些方法开发一张有效的地图在输入(即, 参量或特点定义控制法律) 并且产品(即, 客观操作员的期望价值之间) 。一张地图从控制输入空间C 对可能的期望价值空间也许被确定直接地从实验室输入和输出数据; 一系列这些地图也许是需要的盖C 的一个充足地大部份。优选地满足宗旨的控制法律可能被辨认从这些地图使用一种适当的学习算法。逻辑下步在这些方法的发展包括回答: 问题36 。什么方法可能使用扩大线性输入- 输出学会控制技术显现出[ 113,114 ] 引起非线性地图?
希望这些对你有帮助!

收起

质询34. 可以对闭环稳定性分析演出下学习算法量子不确定性和干扰测量与控制 普通班量子场与控制系统的目标是什么? 这种分析可以深入了解如何操作实验. 原则上,任何算法可以应用于量子学习控制. 例如,模拟退火算法和梯度下降已经摸索出模拟[111]、 这种能力几乎是前所未有其他应用学习算法. 另一个办法是由量子学习控制投入使用量测技术>[113114]. 这些方法之间建立有效的投入图(即 参数或特征...

全部展开

质询34. 可以对闭环稳定性分析演出下学习算法量子不确定性和干扰测量与控制 普通班量子场与控制系统的目标是什么? 这种分析可以深入了解如何操作实验. 原则上,任何算法可以应用于量子学习控制. 例如,模拟退火算法和梯度下降已经摸索出模拟[111]、 这种能力几乎是前所未有其他应用学习算法. 另一个办法是由量子学习控制投入使用量测技术>[113114]. 这些方法之间建立有效的投入图(即 参数或特征界定管制法)和产出(即预期值的经营目标). 对照地图从太空向丙投入空期待值可能会直接从待定 该实验室的投入和产出数据; 一系列这些地图可能需要支付相当大一部分三对照法 最大限度满足目标能确定从这些地图采用适当的学习算法. 下一步符合逻辑的发展,这些方法包括回答:问题36. 可以用什么办法延长线投入产出学习控制技术开发[113114]生成非线性地图?

收起