TCC - Engenharia Física

URI Permanente para esta coleção

https://dspace.unila.edu.br/handle/123456789/4350
ILACVN - Centro de Ciências da Natureza - Bacharelado em Engenharia Física

Navegar

Navegando TCC - Engenharia Física por Autor "Bloot, Rodrigo"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Algoritmos Quânticos Híbridos e Aplicações em Problemas de Otimização
    (2021) Albino, Anton Simen; Bloot, Rodrigo; ;
    Problemas de otimização possuem aplicações de grande interesse na indústria e na academia. Devido a sua alta complexidade computacional, os problemas de otimização combinatória são de especial interesse. Uma boa estratégia para resolver problemas de otimização combinatória é através da utilização de meta-heurísticas. Neste trabalho, estudamos a maneira como uma meta heurística oriunda do ferromagnetismo e da mecânica estatística pode ser utilizada, por meio de uma arquitetura híbrida entre processadores NISQ (do inglês, Noisy Intermediate Scale Quantum) e otimizadores clássicos, para encontrar boas aproximações para problemas de otimização combinatória. Dois Algoritmos Quânticos Variacionais, o Variational Quantum Eigensolver e o Quantum Approximate Optimization Algorithm, foram implementados para resolver os problemas do CLIQUE e também do particionamento de conjuntos, obtendo resultados encorajadores.
  • Imagem de Miniatura
    Item
    Estudo sobre Extração de Características e Reconhecimento de Padrões aplicados em Cifragem de Músicas
    (2021) Nooblath Neto, Mauro Queiroz; Bloot, Rodrigo
    Durante a etapa de treinamento de uma rede neural é muito importante que os dados utilizados sejam tratados de tal forma que a rede consiga identificar padrões para diferenciá-los e conseguir classificá-los eficientemente. Muitos trabalhos foram realizados por diversos autores na extração de características para uma ampla base de dados. No presente trabalho, foram aplicadas duas técnicas para tratar características em um banco de dados constituído de acordes musicais com o intuito de classificálos em acordes maiores ou menores. Uma das técnicas é conhecida como Local Phase Quantization e a outra consiste em coletar as frequências associadas aos maiores valores de amplitude. Utilizando uma rede neural, própria do Matlab-Mathworks, realizou-se uma comparação entre as duas técnicas em seu treinamento. Afim de obter melhor performance, introduzimos do uso de clusters em uma estratégia híbrida junto com as duas técnicas de extração de características na entrada da rede neural. Os resultados demonstraram uma melhora significativa de desempenho.