Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Kowada, Luis Antonio Brasil | - |
Autor(es): dc.contributor | Paes, Aline | - |
Autor(es): dc.contributor | Cunha, Luís Felipe | - |
Autor(es): dc.creator | Costa, Gabriela Pinheiro | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:02:11Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:02:11Z | - |
Data de envio: dc.date.issued | 2024-02-19 | - |
Data de envio: dc.date.issued | 2024-02-19 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/32292 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/762272 | - |
Descrição: dc.description | O algoritmo Máquina de Vetores de Suporte (SVM - Support Vector Machine) se consolidou como um dos principais de Aprendizado de Máquina para problemas de classificação. Em sua formulação original, o treinamento de um SVM possui complexidade quadrática, o que abre margem para a busca de métodos mais eficientes de resolução. Uma forma de melhorar a eficência é através do uso de Computação Quântica, onde é possível obter algoritmos com vantagens exponenciais em relação aos computadores clássicos, como o HHL. Este trabalho apresenta uma automação de um algoritmo de Aprendizado de Máquina Quântico que utiliza o HHL para a geração de SVMs fixados na origem de um hiperplano bidimensional | - |
Descrição: dc.description | Support Vector Machine (SVM) has established itself as one of the main classifica- tion Machine Learning algorithms. On the original formulation, the generation of an SVM has quadratic complexity, which leaves room for searching more efficient resolution methods. One way to improve efficiency is through the use of Quantum Computing, where it is possible to obtain algorithms with exponential advantages over classical computers, such as HHL. This work presents an automation of a Quantum Machine Learning algorithm that uses HHL to generate SVMs fixed at the origin of a two-dimensional hyperplane | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | HHL | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Computação quântica | - |
Palavras-chave: dc.subject | Computação quântica | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | HHL | - |
Palavras-chave: dc.subject | Quantum computation | - |
Palavras-chave: dc.subject | Machine learning | - |
Título: dc.title | Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: