Estrategias de Treinamento em Batch para Classificadores Binarios
Quanticos Baseados em Gradiente
Computação Quântica. Classificadores Quânticos.
Aprendizagem em Batch. Algoritmos Variacionais.
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.