Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.243
Aluno: Felipe Augusto Marques de Alcântara
Orientador: Adenilton José da Silva
Título: Estratégias de Treinamento em Batch para Classificadores Binários
Quânticos Baseados em Gradiente
Data: 22/08/2025
Hora/Local: 15h – Sala E-131
Banca Examinadora:
Prof. Adenilton José da Silva (UFPE / Centro de Informática)
Profa. Nadja Kolb Bernardes (UFPE / Departamento de Física)
Prof. Péricles Barbosa Cunha de Miranda (UFRPE / Departamento de Computação)
RESUMO:
O processamento da informação quântica inaugura uma nova forma de computação e uma nova forma de pensar técnicas de processamento de dados para aprendizagem de máquinas. O presente trabalho convida a uma reflexão acerca do uso da superposição para a construção de batches de dados. Foram avaliadas, de forma experimental, 3 estratégias de batch em algoritmos variacionais de classificação binária baseados em gradiente. O critério para valorar as estratégias buscou garantir que cada padrão componente do batch fosse apresentado a mesma quantidade de vezes para cada estratégia. Dentre as estratégias apresentadas, aquelas com maior quantidade de padrões em superposição apresentaram melhores valores médios de acurácia no treino e no teste e uma maior capacidade de generalização.
Palavras-chave: Computação Quântica. Classificadores Quânticos.
Aprendizagem em Batch. Algoritmos Variacionais.
Comentários desativados