本周主要学习了安全辅助量子协议，了解了其思想、流程以及大致分类等知识点，同时学习了服务器在实现非 clifford 门时的改进方法。本周主要学习了安全辅助量子计算协议及其改进，由于是课程内容所以插了个队，课本是清华出版社的量子计算导论，另外对其做了一些补充。改进花了一些时间理解跟学习，感觉涉及的方向稍有一些狭窄。下周打算完成论文复现，并复盘复现思路。

本周主要在上周的基础上对基线模型进行了训练，同时对预处理部分进行了完善。下周努力一把把剩下的主体都搞了，同时对比一下两个模型的效果，同时训练的时候为了固定结果可以加一个随机种子。

本周首先阅读了《Improving Language Understanding by Generative Pre-Training》这篇论文，了解了其背景、方法与实验结果；其次回顾了傅里叶变换的知识，并在离散傅里叶变换的基础上学习了量子傅里叶变换，了解了其电路结构与具体步骤，认识了受控旋转门，并对哈达玛门有了更进一步的了解。本周首先阅读了GPT的奠基性论文，后续考虑对该系列论文进行深入了解，思

本周三次元的事情较多，所以只简单看了下论文，整体感觉中规中矩。其模型跟上篇论文差不太多，貌似还包括一部分在量子计算机上进行的部分。相对重点感觉是了解到了 shap 分析这种无关模型的评估方法，感觉后面可能会有使用的地方。下周大概会延续之前的想法，一是找一篇方便复现的或者方法上有不同（比如量子结合不同的模型架构之类）的论文进行阅读，二是寻找一下公开可用的数据集。R%5E2。

本周跟着吴恩达老师的机器学习系列课程学习了多元线性回归的相关知识，了解了特征缩放与正规方程的原理及公式，用两种方法完成了多元线性回归的代码实现，对特征缩放的作用与正规方程有了更加清楚的了解。

矩阵是指由数字组成的矩形阵列，写在方括号内，通常由大写字母表示。矩阵维度指的是矩阵中行与列的数量，通常由“行数列数”的形式表示。假设A是一个mn的矩阵，那么A通常包括m行n列：本周跟着吴恩达老师的机器学习系列课程回顾了矩阵的定义及基本运算，并进行了代码实现，对上周单变量线性回归的过程有了更深刻的理解。

上面的KL散度、JS散度与总变分距离都是同一个“大家族”的特例，即 f-散度族（f-Divergences）。这是一类用于衡量两个概率分布之间差异的函数，它们都基于一个共同的数学形式。离散情况下：连续情况下：其中要求为凸函数，且并约定：1.；2.。它们（主要是前面学习的三种）与 Wasserstein 距离的主要对比如下：1. Wasserstein 距离与总变分距离都是度量，而KL散度与JS散度

本周阅读的论文主要是提出了一种纯量子模型，不同上周论文的量子核嵌入，它除了输入和输出部分外均由量子构成，同时提供了复现代码，下周可以尝试复现一下，整体架构较简单，后续可以考虑作为基线模型。

本周首先阅读了 U-Net 的论文，了解了 U-Net 的背景、架构、创新点与优势，同时分析了它的局限性；其次学习了Sinkhorn 算法，拓展了最优传输问题的表示形式，了解了算法的目标、步骤、优缺点以及应用场景。总的来说，实验结果不仅定量证明了U-Net的卓越性能，还定性展示了其在保留细节和正确处理复杂拓扑结构方面的能力，为后续的医学图像分割研究设立了新的基准。但尽管 U-Net 取得了巨大成功

本周主要利用代码进行了径向基函数的插值实战，通过设计不同的数据分布对比了不同核的性能，并进行了可视化。除此之外还配置了API，下载并可视化了一小部分地表温度数据，为后续学习复现打下基础。本周主要是进行了 RBF 在插值方面的代码实践，加深了对 RBF 结构与实际应用的理解。其次下载并可视化了了小型的气象数据。下周预计学习克里金法。