Ponencia
Exploración y evaluación de técnicas de reducción de características en Quantum Machine Learning
Autor/es | Reyes Dorta, Nuria
Caballero Gil, Pino Rosa Remedios, Carlos |
Coordinador/Director | Varela Vaca, Ángel Jesús
Ceballos Guerrero, Rafael Reina Quintero, Antonia María |
Fecha de publicación | 2024 |
Fecha de depósito | 2024-06-18 |
Publicado en |
|
ISBN/ISSN | 978-84-09-62140-8 |
Resumen | En este trabajo se profundiza en la aplicación práctica de diferentes técnicas de reducción de características sobre datasets de gran tamaño y su impacto en los resultados a la hora de aplicar modelos de Quantum Machine ... En este trabajo se profundiza en la aplicación práctica de diferentes técnicas de reducción de características sobre datasets de gran tamaño y su impacto en los resultados a la hora de aplicar modelos de Quantum Machine Learning. Para dicho análisis se ha empleado un conjunto de datos que refleja el problema de detección de aplicaciones malware de Android. Considerando este problema específico y el uso de algoritmos cuánticos, con algunas de las técnicas analizadas se logra obtener un F1-score superior al 90 %. Estos prometedores resultados permiten seleccionar las técnicas más óptimas a la hora de trabajar con datasets con un gran volumen de características, facilitando así la posterior aplicación de algoritmos de Quantum Machine Learning. |
Cita | Reyes Dorta, N., Caballero Gil, P. y Rosa Remedios, C. (2024). Exploración y evaluación de técnicas de reducción de características en Quantum Machine Learning. En Jornadas Nacionales de Investigación en Ciberseguridad (JNIC) (9ª.2024. Sevilla) (382-389), Sevilla: Universidad de Sevilla. Escuela Técnica Superior de Ingeniería Informática. |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
JNIC24_400.pdf | 614.0Kb | [PDF] | Ver/ | |