redes neurais sem peso

Redes Neurais Quˆ nticas Sem Peso a Wilson de Oliveira1 , Wilson Galindo2 , Amanda Leonel3 ,
Jefferson Pereira1 , Adenilton J. Silva4
1

Departamento de Estat´stica e Inform´ tica ı a
Universidade Federal Rural de Pernambuco (UFRPE)
Recife – PE – Brazil
2

3

Centro de Inform´ tica – Universidade Federal de Pernambuco (UFPE) a Recife, PE – Brasil

Departamento de Sistemas Computacionais, Escola Polit´ cnica de Pernambuco e Universidade de Pernambuco (UPE) – Recife, PE – Brasil
4

Departamento de Matem´ tica a Universidade Federal Rural de Pernambuco (UFRPE) – Recife, PE – Brasil [e-mail],galindo, [e-mail], [e-mail],{jeffpascal,adenilton}@gmail.com Abstract. Classical Artificial Neural Networks (ANN) are broadly classified as
Weightless Neural Networks (WNN) and Weighted accordingly to their connection and neuron (unit) model. Quantum Weighted ANN have already been proposed and investigated in a multiplicity of models. We propose here a variety of
Quantum Weightless Neural Networks (q-WNN). It is argued that these q-WNN are easier to learn/program but learning will nor be dealt with here this is the subject of another paper.
Resumo. Redes Neurais Artificiais (ANN) cl´ ssicas podem ser grosseiramente a classificadas em com pesos e sem pesos (WNN), dependendo do modo de conex˜ o e do modelo do neurˆ nios empregados. H´ na literatura um n´ mero cona o a u sider´ vel de propostas de modelos de Redes Neurais Quˆ nticas com Pesos. Aqui a a s˜ o propostos alguns modelos de Redes Neurais Quˆ nticas sem Pesos (q-WNN). a a
Argumenta-se aqui que estas q-WNN s˜ o mais f´ ceis de se treinar/programar a a o que ser´ abordado em trabalhos futuros. a 1. Introducao
¸˜
Diversas Redes Neurais Quˆ nticas (QNN) com peso j´ foram propostas, mas a maioria a a apresenta muitos problemas quando nos referimos ao treinamento. Verificou-se que WNN podem ser implementadas utilizando o paradigma quˆ ntico. Neste trabalho s˜