Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/6305
Título : Redes Neurais Artificiais no âmbito da computação quântica.
Autor : Melo, Fernanda Bernardes da Silva
metadata.dc.contributor.advisor: Ferreira, Ronan Silva
metadata.dc.contributor.referee: Sousa, Alexandre Magno de
Medeiros, Talles Henrique de
Ferreira, Ronan Silva
Palabras clave : Computação quântica
Inteligência artificial
Modelos matemáticos
Redes neurais - computação
Fecha de publicación : 2023
Citación : MELO, Fernanda Bernardes da Silva. Redes Neurais Artificiais no âmbito da computação quântica. 2023. 53. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2023.
Resumen : As Redes Neurais Artificiais são modelos matemáticos que buscam reproduzir o funcionamento do cérebro humano. É um dos pilares da Inteligência Artificial que possui algoritmos clássicos na literatura, como é o caso do modelo de neurônio artificial Perceptron. Por sua simplicidade de implementação, permite o estudo de uma migração para um modelo quântico. O objetivo deste trabalho é analisar e construir um modelo quântico do Perceptron através da compreensão dos principais conceitos que cercam as duas áreas. Para a análise do poder computacional do algoritmo Perceptron implementado, foi proposto e realizado o experimento de classificação de cores de 8 bits utilizando apenas um neurônio Perceptron. Os resultados mostraram a capacidade de predição correta para todos os testes realizados. Além disso, foi evidenciada a capacidade de rompimento da limitação de classificação de dados lineares, imposta pelo modelo clássico, quando utilizado o modelo quântico, de forma com que apenas um neurônio é capaz de reconhecer letras e cores. Essa característica abre espaço para a possibilidade de reconhecimento de padrões ainda mais complexos.
metadata.dc.description.abstracten: Artificial Neural Networks are mathematical models that seek to reproduce the functioning of the human brain. It is one of the pillars of Artificial Intelligence that has classic algorithms in the literature, such as the Perceptron artificial neuron model. Due to its simplicity of implementation, it allows the study of a migration to a quantum model. The objective of this work is to analyze and build a quantum model of the Perceptron through the understanding of the main concepts that surround the two areas. To analyze the computational power of the implemented Perceptron algorithm, an 8-bit color classification experiment using only one Perceptron neuron was proposed and carried out. The results showed the correct prediction ability for all tests performed. In addition, the ability to break the limitation of linear data classification, imposed by the classical model, when using the quantum model, was evidenced, so that only one neuron is able to recognize letters and colors. This feature makes room for the possibility of recognizing even more complex patterns.
URI : http://www.monografias.ufop.br/handle/35400000/6305
metadata.dc.rights.license: Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).
Aparece en las colecciones: Engenharia de Computação - JMV

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_RedesNeuraisArtificiais.pdf2,61 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.