TY-JOURA2-Dong-Shi HaiAU-FikaduTilaye、GetahunAU-Pandey、AmitPY-2023DA-2023/03/14TI-调查超参数对量子深强化学习SP-2451990VL-2023Qatu使用量子增益学习首要目标就是调查并解释一种方法 通过使用PennyLane解决冷湖问题 内含Xanadu后端量子处理单元论文专门讨论如何用量子计算技术增强经典深度学习算法,使量子代理体在固定数位时获得最大报偿并实现数位变量层对增强框架可培训性的影响我们分析说,随着层数的增加,量子介质归并最优状态的能力也提高面向这项工作,我们训练框架代理2、3和5变量子层2层代理总回报为0.95分层处理的代理共0.95,培训集397后使用5量变层处理的代理共0.95,培训集72后共0.95从中,我们可以理解,具有更多变式层的代理更多开发并重合最优状态我们还分析我们的工作 不同的学习速率超参数并选取 0.1、0.2、0.3和0.4学习速率或alpha值显示增强DRL算法结果从这一结果中,我们可以得出结论说,量子深度学习学习率越高,从起始点向目标状态移动所需时间步数越少SN-NullUR-https://doi.org/10.1155/20232451990DO-10.1155/20232451990JF-Quantum工程PB-HindawiKW-ER