导读:本文包含了冯诺依曼熵论文开题报告文献综述及选题提纲参考文献，主要关键词:冯·,诺依曼熵,纠缠态,密度算符
冯诺依曼熵论文文献综述
朱孟正,赵春然,李洪俊,张东杰[1]（2018）在《利用冯·诺依曼熵获得最大纠缠态的形式（英文）》一文中研究指出纠缠在量子信息处理中有许多重要的应用,正如Bell态对量子通信的实施是必不可少的.考虑如何得到Bell态,本文提出了一种用冯·诺依曼熵求解二体或叁体系统中最大纠缠态表示形式的方法.计算二体或叁体系统的量子态的冯·诺依曼熵,并将约化密度算符与用Bloch矢量表示的密度算符进行比较.根据密度算符具有正的、厄密性的特点,得到了最大纠缠态解析式,如Bell态和GHZ态.(本文来源于《吉林师范大学学报(自然科学版)》期刊2018年02期）
杨晓玲[2]（2017）在《基于冯·诺依曼熵的社交网络节点重要性排序研究》一文中研究指出随着互联网的不断发展,生活随处可见复杂的网络应用。现实生活中,许多复杂的系统都可以建模成为一种复杂网络进行分析。社交网络则是一种常见的复杂网络,它不仅仅是对现实生活数据的一种呈现方式,更是用来研究实际网络中复杂数据特征的一种手段。目前随着社交平台的日益增加与成熟,对复杂网络尤其是社交网络的研究也是越来越受到关注。虽然互联网带给人类很多便利,但随之而来的网络安全问题同时变得尤为突出,一些黑客趁虚而入攻击网络中的重要节点,进而使整个网络无法正常工作或者处于瘫痪状态。如何识别保护关键核心节点成为学术界一个非常重要的研究课题,因此深入研究复杂网络中的节点重要性排序有着非常重要理论和现实意义。网络具有形态各异的拓扑结构和物理结构,需要结合复杂网络的具体特征及节点间相互联系,研究各类网络的不同应对策略,而如何更加准确有效地评价网络中节点地位是现在科学中亟需解决的一个问题。本文在相关研究的基础上,主要进行了如下工作:(1)鉴于传统排序算法中存在考虑排序因子不齐全的问题,导致了排序结果不准确。本文提出了一种基于冯·诺依曼熵的社交网络单节点重要性排序的算法。该算法使用了矩阵特征向量值因子,相比于其他经典算法,该算法主要通过采用逐一删除节点,来计算熵值变化进而通过熵值对社交网络中单个节点进行重要性排序,通过实验验证该算法能够更准确的体现单个节点在网络中的地位。(2)在算法实现的过程中,实验结果发现一个网络或模块重要的节点(核心)有时不单单是一个节点,节点之间的相互作用也会对节点的重要性排序产生影响,由此本文利用经典数据集海豚数据和空手道俱乐部网络进行分析,并论证了如果单节点的重要性越强那节点之间往往产生正作用,反之则是负作用。(3)提出了改进的基于冯·诺伊曼熵的排序算法,在之前的章节工作基础上加以权重函数进行研究。这个思想是基于实际网络中节点与节点之间的作用并不是相同的,即每一条边都赋予权重函数给予不同的对待,本文以幂函数为代表开展研究,在实验的过程中通过不断的调整幂值进行实验,验证了改进算法的灵活性及有效性。(本文来源于《广西大学》期刊2017-06-01）
袁炜罡,张晓东[3]（2016）在《复杂网络的冯诺依曼熵》一文中研究指出主要研究了复杂网络的冯诺依曼熵.结论表明,一般情况下,冯诺依曼熵不随边的增加而严格单调增加.其次,定义了星生成图和路生成图,并给出了熵与这两类图的联系.最后,利用3种经典随机图模型和随机树模型,证明了平均场意义下冯诺依曼熵随复杂网络的边数和直径递增.(本文来源于《宁夏大学学报(自然科学版)》期刊2016年03期）
谢义亮,揭泉林[4]（2014）在《约化忠实度和冯·诺依曼熵分析J_1-J_2海森堡自旋链的相变问题》一文中研究指出采用精确对角化方法,研究自旋1/2一维J1-J2海森堡自旋链模型的相变问题.通过计算激发态下自旋格点群的约化忠实度和冯·诺依曼熵,确定了该系统由自旋液体态到二聚态之间的K-T相变,并通过外推法,确定相变点位置L→∞,λc=0.241 14.研究结果表明,难以用传统序参量来刻画的K-T相变可以用自旋格点群(子系统)的约化忠实度和冯·诺依曼熵来反映.(本文来源于《武汉大学学报(理学版)》期刊2014年03期）
逯怀新[5]（2007）在《冯·诺依曼熵及纠缠度》一文中研究指出本文利用量子变换理论,得到了相对熵及其纠缠度简洁的计算公式,为量子纠缠态的分析提供了方便的理论工具。(本文来源于《潍坊学院学报》期刊2007年04期）
冯诺依曼熵论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网的不断发展,生活随处可见复杂的网络应用。现实生活中,许多复杂的系统都可以建模成为一种复杂网络进行分析。社交网络则是一种常见的复杂网络,它不仅仅是对现实生活数据的一种呈现方式,更是用来研究实际网络中复杂数据特征的一种手段。目前随着社交平台的日益增加与成熟,对复杂网络尤其是社交网络的研究也是越来越受到关注。虽然互联网带给人类很多便利,但随之而来的网络安全问题同时变得尤为突出,一些黑客趁虚而入攻击网络中的重要节点,进而使整个网络无法正常工作或者处于瘫痪状态。如何识别保护关键核心节点成为学术界一个非常重要的研究课题,因此深入研究复杂网络中的节点重要性排序有着非常重要理论和现实意义。网络具有形态各异的拓扑结构和物理结构,需要结合复杂网络的具体特征及节点间相互联系,研究各类网络的不同应对策略,而如何更加准确有效地评价网络中节点地位是现在科学中亟需解决的一个问题。本文在相关研究的基础上,主要进行了如下工作:(1)鉴于传统排序算法中存在考虑排序因子不齐全的问题,导致了排序结果不准确。本文提出了一种基于冯·诺依曼熵的社交网络单节点重要性排序的算法。该算法使用了矩阵特征向量值因子,相比于其他经典算法,该算法主要通过采用逐一删除节点,来计算熵值变化进而通过熵值对社交网络中单个节点进行重要性排序,通过实验验证该算法能够更准确的体现单个节点在网络中的地位。(2)在算法实现的过程中,实验结果发现一个网络或模块重要的节点(核心)有时不单单是一个节点,节点之间的相互作用也会对节点的重要性排序产生影响,由此本文利用经典数据集海豚数据和空手道俱乐部网络进行分析,并论证了如果单节点的重要性越强那节点之间往往产生正作用,反之则是负作用。(3)提出了改进的基于冯·诺伊曼熵的排序算法,在之前的章节工作基础上加以权重函数进行研究。这个思想是基于实际网络中节点与节点之间的作用并不是相同的,即每一条边都赋予权重函数给予不同的对待,本文以幂函数为代表开展研究,在实验的过程中通过不断的调整幂值进行实验,验证了改进算法的灵活性及有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
冯诺依曼熵论文参考文献
[1].朱孟正,赵春然,李洪俊,张东杰.利用冯·诺依曼熵获得最大纠缠态的形式（英文）[J].吉林师范大学学报(自然科学版).2018
[2].杨晓玲.基于冯·诺依曼熵的社交网络节点重要性排序研究[D].广西大学.2017
[3].袁炜罡,张晓东.复杂网络的冯诺依曼熵[J].宁夏大学学报(自然科学版).2016
[4].谢义亮,揭泉林.约化忠实度和冯·诺依曼熵分析J_1-J_2海森堡自旋链的相变问题[J].武汉大学学报(理学版).2014
[5].逯怀新.冯·诺依曼熵及纠缠度[J].潍坊学院学报.2007