2026-05-19T07:40:54Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/681622024-06-21T15:07:36Zcom_10324_38col_10324_852
Teoría de representación aplicada al Geometric Quantum Machine Learning
Rey Valiente, Pablo
Álvarez Sánchez, Juan José
Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
Educación - Informática
Aprendizaje automático
Geometric Quantum Machine Learning (GQML)
Computación cuántica
PennyLane
Jupyter
Simetría
Tres en raya
1203.10 Enseñanza Con Ayuda de Ordenador
Este trabajo de fin de grado investiga la aplicación de la teoría de representación al
aprendizaje automático cuántico geométrico, enfatizando especialmente el uso de simetrías
para mejorar el rendimiento del modelo. Además de ser un trabajo de investigación,
también sirve como recurso educativo, con el objetivo de elucidar conceptos matemáticos
complejos en la computación cuántica para una audiencia más amplia. Al explicar cómo
las simetrías pueden optimizar los algoritmos de aprendizaje, este estudio contribuye tanto
a la comprensión teórica como a los avances prácticos en la computación cuántica.
Grado en Ingeniería Informática de Servicios y Aplicaciones
2024-06-20T09:56:11Z
2024-06-20T09:56:11Z
2024
info:eu-repo/semantics/bachelorThesis
https://uvadoc.uva.es/handle/10324/68162
spa
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
application/pdf
https://uvadoc.uva.es/bitstream/10324/68162/4/TFG-B.%202111.pdf.jpg
Hispana
TEXT
http://creativecommons.org/licenses/by-nc-nd/4.0/
UVaDOC. Repositorio Documental de la Universidad de Valladolid
https://uvadoc.uva.es/handle/10324/68162