Universidade Federal de Pernambuco (UFPE

Centro de Informática (CIn)

Coordenação de Pós-Graduação em Ciência da

Computação

Tema para Pré-Projeto de Mestrado

Linha de pesquisa: Reconhecimento de Padrão e Processamento de Sinais

Algoritmos Híbridos de Aprendizagem Profunda para

Título:
Classi cação de Imagens

Proponente: : Tsang Ing Ren

Descrição:
Os métodos de aprendizagem utilizando redes convolucionais(CNN) e MLP tem al-
cançado o estado da arte em diversos problemas envolvendo processamento de ima-
gens. Muitos desses métodos são formulados combinando, em série ou em paralelo, um
conjunto diferente de módulos, por exemplo no trabalho do Vision Transformer [2] é
mostrada uma combinação de módulos convolucionais, MLP e Attention. Com esses di-
versos tipos de módulos os métodos podem extrair de forma mais diversa diferentes
tipos de características e assim melhorar a generalização para problemas de aprendiza-
gem.
A computação quântica é um paradigma computacional na qual permite a construção
de máquinas com dimensionalidade vetorial exponencial em relação a quantidade de
unidades de memória. Por funcionar através de operadores matriciais e ser capaz de
proporcionar paralelismo, a computação quântica tem sido utilizada para construir méto-
dos de aprendizagem em conjunto com métodos clássicos [1]. Através da computação
quântica podemos de nir diferentes tipos de extração de características e construção de
modelos para classi cação de imagens [2], podendo melhorar o desempenho de méto-
dos já existentes [3,4].

fi
fi

fi
)

 Universidade Federal de Pernambuco (UFPE

Centro de Informática (CIn)

Referências Bibliográ cas:

[1] - Expressibility and Entangling Capability of Parameterized Quantum Circuits for Hybrid Quantum‐Clas-
sical Algorithms

[2] - An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

[3] - Transfer learning in hybrid classical-quantum neural networks

[4] - Supervised quantum machine learning models are kernel methods





fi