Seminário de Avaliação - Série A: Redes Neurais Quânticas na Classificação de Imagens de Artefatos Arqueológicos

Orientadores:
Renato Portugal - Laboratório Nacional de Computação Científica - LNCC

Banca Examinadora:
Renato Portugal - Laboratório Nacional de Computação Científica - LNCC (presidente)
Fabio Andre Machado Porto - Laboratório Nacional de Computação Científica - LNCC
Leandro Carlos de Souza - Universidade Federal da Paraíba - UFPB

Suplentes:
José Karam Filho - Laboratório Nacional de Computação Científica - LNCC

Resumo:

A pesquisa propõe uma comparação entre o desempenho de modelos clássicos de Redes Neurais Convolucionais (CNNs) e modelos de Redes Neurais Quânticas (QNNs) na classificação de imagens de artefatos rupestres da Serra da Capivara. Além disso, apresenta uma nova arquitetura de rede neural quântica que possibilita a redução de parâmetros e operações computacionais específicas, diminuindo, assim, o tempo de processamento. A revisão de literatura analisa 27 artigos relevantes das áreas de arqueologia e computação (redes neurais, aprendizado de máquina), destacando as principais contribuições e identificando lacunas e limitações das pesquisas existentes, além de situar a contribuição potencial deste estudo. A fundamentação teórica aborda conceitos essenciais sobre redes neurais clássicas, computação quântica e redes neurais quânticas, estabelecendo as bases para a proposta da pesquisa. A metodologia detalha o processo de coleta de dados, descreve a base de dados utilizada, apresenta as técnicas empregadas no pré-processamento das imagens, expõe as estratégias de extração de características do conjunto de imagens e documenta o desenvolvimento e a implementação dos modelos de redes neurais clássicas e quânticas. Os resultados obtidos são apresentados de forma segmentada p ara cada tipo de rede, seguidos de uma análise comparativa entre os diversos modelos desenvolvidos ao longo do estudo. Esperase que a pesquisa contribua de maneira significativa para a área da arqueologia, desenvolvendo novas ferramentas e metodologias capazes de aprimorar a classificação e documentação de artefatos, além de reduzir custos associados a operações manuais. A aplicação de QNNs na classificação de imagens rupestres não apenas representa um avanço no estado da arte da arqueologia, mas também abre possibilidades para futuras investigações e aplicações em áreas interdisciplinares com objetivos correlatos.