Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | http://app.uff.br/riuff/handle/1/32292 |
Resumo: | 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 |
id |
UFF-2_344d50c97203a70622eddd2625b261b5 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/32292 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridosHHLAprendizado de máquinaComputação quânticaComputação quânticaAprendizado de máquinaHHLQuantum computationMachine learningO 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 bidimensionalSupport 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 hyperplaneKowada, Luis Antonio BrasilPaes, AlineCunha, Luís FelipeCosta, Gabriela Pinheiro2024-02-19T14:13:24Z2024-02-19T14:13:24Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCOSTA, Gabriela Pinheiro. Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos. 2023. 28 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas de Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2023.http://app.uff.br/riuff/handle/1/32292CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-02-19T14:13:27Zoai:app.uff.br:1/32292Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:01:24.917446Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
title |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
spellingShingle |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos Costa, Gabriela Pinheiro HHL Aprendizado de máquina Computação quântica Computação quântica Aprendizado de máquina HHL Quantum computation Machine learning |
title_short |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
title_full |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
title_fullStr |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
title_full_unstemmed |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
title_sort |
Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos |
author |
Costa, Gabriela Pinheiro |
author_facet |
Costa, Gabriela Pinheiro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Kowada, Luis Antonio Brasil Paes, Aline Cunha, Luís Felipe |
dc.contributor.author.fl_str_mv |
Costa, Gabriela Pinheiro |
dc.subject.por.fl_str_mv |
HHL Aprendizado de máquina Computação quântica Computação quântica Aprendizado de máquina HHL Quantum computation Machine learning |
topic |
HHL Aprendizado de máquina Computação quântica Computação quântica Aprendizado de máquina HHL Quantum computation Machine learning |
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 |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-02-19T14:13:24Z 2024-02-19T14:13:24Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
COSTA, Gabriela Pinheiro. Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos. 2023. 28 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas de Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2023. http://app.uff.br/riuff/handle/1/32292 |
identifier_str_mv |
COSTA, Gabriela Pinheiro. Automação do algoritmo quântico HHL para implementação de SVM em computadores híbridos. 2023. 28 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas de Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2023. |
url |
http://app.uff.br/riuff/handle/1/32292 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823638701146112 |