@MASTERSTHESIS{ 2019:1370954918,
 	title = {Quantum enhancements for machine learning based on a probabilistic quantum memory},
 	year = {2019},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8538",
 	abstract = "A aprendizagem de máquina quântica surge a partir da interação das áreas de aprendizagem de máquina e computação quântica. Aprendizagem de máquina é um ramo da inteligência artificial de impacto em diversas áreas que provê aos computadores a habilidade de aprender de maneira autônoma a partir de experiências. A computação quântica, por outro lado, é um diferente paradigma computacional. O processamento de informação e comunicação em um computador quântico faz uso de princípios e propriedades da mecânica quântica, obtendo efeitos computacionais que não podem ser realizados eficientemente em computadores clássicos. A computação quântica levanta novas possibilidades a partir de abordagens promissoras que fazem
 uso desses efeitos. De fato, propostas de algoritmos quânticos demonstram seu potencial em superar a eficiência dos algoritmos clássicos em algumas tarefas. O presente trabalho busca contribuir com o campo de aprendizagem de máquina quântica. Para tanto, foi investigado o uso e as aplicações de uma memória probabilística quântica como ferramenta para propor algoritmos de aprendizagem de máquina melhorados. Aqui, a memória quântica foi utilizada para desenvolver procedimentos melhorados para as tarefas de validação cruzada, seleção e avaliação de arquiteturas de redes neurais artificiais. Além disso, um modelo
 de rede neural sem peso que utiliza a memória quântica foi avaliado e melhorado.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Informática Aplicada},
 	note = {Departamento de Estatística e Informática}
}