@MASTERSTHESIS{ 2022:186202780,
 	title = {Comitê de redes neurais quânticas},
 	year = {2022},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8675",
 	abstract = "Redes Neurais Profundas abrem várias possibilidades para resolver problemas difíceis. O avanço no uso da computação quântica nos permitiu usar recursos quânticos que não têm contrapartida clássica, e nos trouxe muitos algoritmos e técnicas no campo do aprendizado de máquina quântica (AMQ). Uma das propostas do ramo do AMQ era uma rede neural quântica binária (RNQB) que usa um método de amplificação baseado no conhecido algoritmo de busca de Grover. Além de ser um método puramente quântico, utilizou-se um mecanismo de seleção de arquitetura como uma abordagem significativa. Apesar dos aprimoramentos, uma das principais desvantagens é o consumo de muitos recursos computacionais quânticos, que não disponibilizamos nos dias atuais. Portanto, apresentamos uma série de melhorias na proposta, desde carregar os dados usando uma sobreposição em vez de uma codificação de base original, até a utilização de menos Qubits e menos profundidade do circuito quântico proposto. Além disso, também mudamos o processo de treinamento, substituindo a custosa pesquisa de Grover por otimização de gradiente descendente, fazendo com que possamos treinar não somente uma RNBQ mas sim um Comitê de Classificadores dentro de um sistema Quântico, assim, diminuindo o número de operações no Computador Quântico. Finalmente, mostramos que é possível obter um modelo geral melhor do que utilizar o algoritmo de Grover.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Informática Aplicada},
 	note = {Departamento de Estatística e Informática}
}