[pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: JOAO MARCOS C DE ALBUQUERQUE NETO
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: MAXWELL
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
[pt] MAQUINA DE BOLTZMANN RESTRITA
[pt] MACHINE LEARNING QUANTICO
[pt] RECOZIMENTO QUANTICO
[pt] DETECCAO DE FRAUDE
[pt] COMPUTACAO QUANTICA
[en] RESTRICTED BOLTZMANN MACHINE
[en] QUANTUM MACHINE LEARNING
[en] QUANTUM ANNEALING
[en] PRESENTATION ATTACK DETECTION
[en] QUANTUM COMPUTING
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=2
http://doi.org/10.17771/PUCRio.acad.73105
Resumo: [pt] A pesquisa explora a implementação de Máquinas de Boltzmann Restri tas Assistidas por Computação Quântica (QARBM) em hardwares quânticos e simuladores, avaliando seu desempenho em um conjunto de dados reais for necido pela STONE, uma das principais fintechs brasileiras, em comparação com RBMs clássicas. Os principais aspectos abordados incluem a adaptação de algoritmos de otimização e técnicas de amostragem baseadas em energia. Este estudo contribui para o crescente campo do aprendizado de máquina aprimorado por computação quântica, oferecendo insights sobre a integração prática da computação quântica com arquiteturas de redes neurais. Os resulta dos sugerem que a QARBM pode ser uma estrutura robusta para o avanço de aplicações de aprendizado de máquina em domínios como a detecção de fraudes bancárias. Trabalhos futuros se concentrarão na escalabilidade do modelo para conjuntos de dados maiores e em novas abordagens para a implementação de Máquinas de Boltzmann Restritas Assistidas por Computação Quântica com Pesos.
id PUC_RIO-1_175e45323ccc67f9734b318c81a64e01
oai_identifier_str oai:MAXWELL.puc-rio.br:73105
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str
spelling [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA [en] FRAUD DETECTION USING RESTRICTED BOLTZMANN MACHINES ASSISTED BY QUANTUM COMPUTING [pt] MAQUINA DE BOLTZMANN RESTRITA[pt] MACHINE LEARNING QUANTICO[pt] RECOZIMENTO QUANTICO[pt] DETECCAO DE FRAUDE[pt] COMPUTACAO QUANTICA[en] RESTRICTED BOLTZMANN MACHINE[en] QUANTUM MACHINE LEARNING[en] QUANTUM ANNEALING[en] PRESENTATION ATTACK DETECTION[en] QUANTUM COMPUTING[pt] A pesquisa explora a implementação de Máquinas de Boltzmann Restri tas Assistidas por Computação Quântica (QARBM) em hardwares quânticos e simuladores, avaliando seu desempenho em um conjunto de dados reais for necido pela STONE, uma das principais fintechs brasileiras, em comparação com RBMs clássicas. Os principais aspectos abordados incluem a adaptação de algoritmos de otimização e técnicas de amostragem baseadas em energia. Este estudo contribui para o crescente campo do aprendizado de máquina aprimorado por computação quântica, oferecendo insights sobre a integração prática da computação quântica com arquiteturas de redes neurais. Os resulta dos sugerem que a QARBM pode ser uma estrutura robusta para o avanço de aplicações de aprendizado de máquina em domínios como a detecção de fraudes bancárias. Trabalhos futuros se concentrarão na escalabilidade do modelo para conjuntos de dados maiores e em novas abordagens para a implementação de Máquinas de Boltzmann Restritas Assistidas por Computação Quântica com Pesos.[en] The research explores the implementation of Quantum Assisted Re stricted Boltzman Machines (QARBM) on quantum hardware and simulators, assessing their performance on a real dataset provided by STONE, a leading Brazilian fin-tech, in comparison to classical RBMs. Key aspects include the adaptation of optimization algorithms, and energy-based sampling techniques. This study contributes to the growing field of quantum-enhanced machine learning, providing insights into the practical integration of quantum comput ing with neural network architectures. The findings suggest that QARBM can be a robust framework for advancing machine learning applications in domains such as banking fraud-detection. Future work will focus on scaling the model for larger datasets and new approaches for the implementation of Quantum Assisted Weight Restricted Boltzman Machines.MAXWELLGUILHERME PENELLO TEMPORAOGUILHERME PENELLO TEMPORAOGUILHERME PENELLO TEMPORAOGUILHERME PENELLO TEMPORAOJOAO MARCOS C DE ALBUQUERQUE NETO2025-09-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=2http://doi.org/10.17771/PUCRio.acad.73105engreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2025-09-18T00:00:00Zoai:MAXWELL.puc-rio.br:73105Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342025-09-18T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
[en] FRAUD DETECTION USING RESTRICTED BOLTZMANN MACHINES ASSISTED BY QUANTUM COMPUTING
title [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
spellingShingle [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
JOAO MARCOS C DE ALBUQUERQUE NETO
[pt] MAQUINA DE BOLTZMANN RESTRITA
[pt] MACHINE LEARNING QUANTICO
[pt] RECOZIMENTO QUANTICO
[pt] DETECCAO DE FRAUDE
[pt] COMPUTACAO QUANTICA
[en] RESTRICTED BOLTZMANN MACHINE
[en] QUANTUM MACHINE LEARNING
[en] QUANTUM ANNEALING
[en] PRESENTATION ATTACK DETECTION
[en] QUANTUM COMPUTING
title_short [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
title_full [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
title_fullStr [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
title_full_unstemmed [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
title_sort [pt] DETECÇÃO DE FRAUDES UTILIZANDO MAQUINAS DE BOLTZMANN RESTRITAS ASSISTIDAS POR COMPUTAÇÃO QUÂNTICA
author JOAO MARCOS C DE ALBUQUERQUE NETO
author_facet JOAO MARCOS C DE ALBUQUERQUE NETO
author_role author
dc.contributor.none.fl_str_mv GUILHERME PENELLO TEMPORAO
GUILHERME PENELLO TEMPORAO
GUILHERME PENELLO TEMPORAO
GUILHERME PENELLO TEMPORAO
dc.contributor.author.fl_str_mv JOAO MARCOS C DE ALBUQUERQUE NETO
dc.subject.por.fl_str_mv [pt] MAQUINA DE BOLTZMANN RESTRITA
[pt] MACHINE LEARNING QUANTICO
[pt] RECOZIMENTO QUANTICO
[pt] DETECCAO DE FRAUDE
[pt] COMPUTACAO QUANTICA
[en] RESTRICTED BOLTZMANN MACHINE
[en] QUANTUM MACHINE LEARNING
[en] QUANTUM ANNEALING
[en] PRESENTATION ATTACK DETECTION
[en] QUANTUM COMPUTING
topic [pt] MAQUINA DE BOLTZMANN RESTRITA
[pt] MACHINE LEARNING QUANTICO
[pt] RECOZIMENTO QUANTICO
[pt] DETECCAO DE FRAUDE
[pt] COMPUTACAO QUANTICA
[en] RESTRICTED BOLTZMANN MACHINE
[en] QUANTUM MACHINE LEARNING
[en] QUANTUM ANNEALING
[en] PRESENTATION ATTACK DETECTION
[en] QUANTUM COMPUTING
description [pt] A pesquisa explora a implementação de Máquinas de Boltzmann Restri tas Assistidas por Computação Quântica (QARBM) em hardwares quânticos e simuladores, avaliando seu desempenho em um conjunto de dados reais for necido pela STONE, uma das principais fintechs brasileiras, em comparação com RBMs clássicas. Os principais aspectos abordados incluem a adaptação de algoritmos de otimização e técnicas de amostragem baseadas em energia. Este estudo contribui para o crescente campo do aprendizado de máquina aprimorado por computação quântica, oferecendo insights sobre a integração prática da computação quântica com arquiteturas de redes neurais. Os resulta dos sugerem que a QARBM pode ser uma estrutura robusta para o avanço de aplicações de aprendizado de máquina em domínios como a detecção de fraudes bancárias. Trabalhos futuros se concentrarão na escalabilidade do modelo para conjuntos de dados maiores e em novas abordagens para a implementação de Máquinas de Boltzmann Restritas Assistidas por Computação Quântica com Pesos.
publishDate 2025
dc.date.none.fl_str_mv 2025-09-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=2
http://doi.org/10.17771/PUCRio.acad.73105
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73105&idi=2
http://doi.org/10.17771/PUCRio.acad.73105
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1856395973732859904

Registros relacionados