dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
| Títol variant: |
Perspectives futures en generació d'imatges : Avanços en GANs i QGANs |
| Títol variant: |
Perspectivas Futuras en Generación de Imágenes : Avances en GANs y QGANs |
| Data: |
2024 |
| Resum: |
Aquest document investiga les perspectives futures en models de predicció de distribucions, amb un enfocament en les distribucions gaussianes, triangulars, lognormals i binomials. Compara els models de predicció clàssics amb els seus equivalents quàntics, explorant els avanços realitzats en els Models de Predicció Quàntics (QPMs). A més, explora el potencial de la computació quàntica per millorar la precisió i l'eficiència de predicció d'aquests models. Començant amb una anàlisi comparativa bàsica, l'estudi avança per avaluar models de predicció purament quàntics abans de proposar un enfocament integrat que combina metodologies clàssiques i quàntiques per refinar les tècniques de predicció de distribucions. Aquesta investigació ofereix una visió valuosa del panorama canviant de la predicció de distribucions i el paper de la computació quàntica en la configuració del seu futur. |
| Resum: |
Este artículo investiga las perspectivas futuras de los modelos de predicción de distribuciones, centrándose en las distribuciones gaussiana, triangular, lognormal y binomial. Compara los modelos de predicción clásicos con sus homólogos cuánticos, explorando los avances realizados en los modelos de predicción cuántica (QPM). Además, explora el potencial de la computación cuántica para mejorar la precisión y eficacia de la predicción de estos modelos. Comenzando con un análisis comparativo básico, el estudio avanza para evaluar modelos de predicción puramente cuánticos antes de proponer un enfoque integrado que combina metodologías clásicas y cuánticas para perfeccionar las técnicas de predicción de la distribución. Esta investigación ofrece valiosas perspectivas sobre el cambiante panorama de la predicción de la distribución y el papel de la computación cuántica en la configuración de su futuro. |
| Resum: |
This paper investigates the future perspectives in distribution prediction models, focusing on Gaussian, triangular, lognormal, and binomial distributions. It compares classical prediction models with their quantum counterparts, exploring the advancements made in Quantum Prediction Models (QPMs). Furthermore, it explores the potential of quantum computing in enhancing the prediction accuracy and efficiency of these models. Beginning with a basic comparative analysis, the study progresses to evaluate purely quantum prediction models before proposing an integrated approach that combines classical and quantum methodologies to refine distribution prediction techniques. This research offers valuable insights into the evolving landscape of distribution prediction and the role of quantum computing in shaping its future. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original.  |
| Llengua: |
Anglès |
| Titulació: |
Grau en Enginyeria Informàtica [2502441] |
| Pla d'estudis: |
Enginyeria Informàtica [958] |
| Document: |
Treball final de grau ; Text |
| Àrea temàtica: |
Menció Computació |
| Matèria: |
Xarxes Neuronal ;
Xarxa Neuronal Generativa Adversarial ;
Computació Quantica ;
Models Generatius ;
Generació d'imatges ;
Redes Neuronales ;
Red Neuronal Generativa Adversarial ;
Computación Cuántica ;
Modelos Generativos ;
Generación de Imágenes ;
Neural Networks ;
Generative Adversarial Neural Network ;
Quantum Computing ;
Generative Models ;
Image Generation |
visitant ::
identificació
