Fugu-MT 論文翻訳(概要): Tsirelson Polytopes and Randomness Generation

論文の概要: Tsirelson Polytopes and Randomness Generation

arxiv url: http://arxiv.org/abs/2003.12636v2
Date: Tue, 22 Sep 2020 18:35:42 GMT
ステータス: 処理完了
システム内更新日: 2023-05-27 18:15:03.437752
Title: Tsirelson Polytopes and Randomness Generation
Title（参考訳）: tsirelsonポリトープとランダムネス生成
Authors: Peter Bierhorst and Yanbao Zhang
Abstract要約: 我々は、(2,2,2)CHSH-ベル設定における確率分布のポリトープの極端点を、単一のツィレルソン境界によって誘導されるように分類する。我々は、非自明に相互作用する複数のツィレルソン境界のパラメタライズされた族から得られるポリトープのクラスに対しても同様に行う。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We classify the extreme points of a polytope of probability distributions in the (2,2,2) CHSH-Bell setting that is induced by a single Tsirelson bound. We do the same for a class of polytopes obtained from a parametrized family of multiple Tsirelson bounds interacting non-trivially. Such constructions can be applied to device-independent random number generation using the method of probability estimation factors [Phys. Rev. A, 98:040304(R), 2018]. We demonstrate a meaningful improvement in certified randomness applying the new polytopes characterized here.
Abstract（参考訳）: 単一のツィレルソン境界によって誘導される (2,2,2) CHSH-ベル設定における確率分布のポリトープの極端点を分類する。我々は、非自明に相互作用する複数のtsirelson境界のパラメトリライズド族から得られるポリトープのクラスについても同様である。このような構成は、確率推定係数の手法(Phys. Rev. A, 98:040404(R, 2018))を用いて、デバイス非依存の乱数生成に適用できる。ここでは,新しいポリトープを応用した検証ランダム性の有意義な改善を示す。

関連論文リスト

Differentiability and Approximation of Probability Functions under Gaussian Mixture Models: A Bayesian Approach [0.0]
ガウス混合モデルに関連する確率関数について検討する。条件付き確率分布を用いて確率関数をユークリッド球面上の積分として表現する。パラメータ空間とユークリッド球面上のランダムサンプリングを用いて確率関数を近似する。
論文参考訳（メタデータ） (2024-11-05T01:36:27Z)
Tree-structured Markov random fields with Poisson marginal distributions [0.0]
離散カウントランダム変数のベクトルに対する木構造ランダムフィールドの新しいファミリーを導入する。極端ポアソンランダム場は、すべて同じ平均を持ち、それらの組込み依存の強さや構造から解放される。
論文参考訳（メタデータ） (2024-08-24T18:30:15Z)
Signal reconstruction using determinantal sampling [13.531952725283027]
ランダムなノード集合に対する有限個の評価から, 2乗可積分関数の近似について検討する。決定点過程とその混合物は, 高速収束速度が得られることを示す。
論文参考訳（メタデータ） (2023-10-13T23:02:57Z)
Limit distribution of partial transposition of block random matrices [7.3810864598379755]
対応する確率変数の自由累積関係を求める。応用として、我々は共完全正およびk-正の写像の新しい族を導出することができる。
論文参考訳（メタデータ） (2023-03-18T13:45:21Z)
Simplex Random Features [53.97976744884616]
ソフトマックスおよびガウスカーネルの非バイアス近似のための新しいランダム特徴(RF)機構であるSimplex Random Features (SimRFs)を提案する。我々は,これらのカーネルの非バイアス推定値に対して,SimRFが最小平均二乗誤差(MSE)を提供することを示す。ポイントワイドカーネル推定,非パラメトリック分類,スケーラブルトランスフォーマーなどの設定において,SimRFによる一貫したゲインを示す。
論文参考訳（メタデータ） (2023-01-31T18:53:39Z)
Statistical Properties of the Entropy from Ordinal Patterns [55.551675080361335]
大規模な時系列モデルに対するエントロピー・統計複雑性の連立分布を知っていれば、今日まで利用できない統計テストが可能になるだろう。実正規化エントロピーが零でも1でもないモデルに対して、経験的シャノンのエントロピーの分布を特徴づける。 2つの信号が同じシャノンのエントロピーを持つ順序パターンを生成するという仮説を否定するのに十分な証拠があるかどうかを検証する。
論文参考訳（メタデータ） (2022-09-15T23:55:58Z)
Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
論文参考訳（メタデータ） (2022-06-14T03:58:03Z)
An Embedded Model Estimator for Non-Stationary Random Functions using Multiple Secondary Variables [0.0]
本稿では,本手法を導入し,地理的モデリングや量子ランダムフォレストに適用した結果と自然に類似した一貫性を有することを示す。このアルゴリズムは、各ターゲット位置におけるターゲット変数の条件分布を推定することで機能する。
論文参考訳（メタデータ） (2020-11-09T00:14:24Z)
Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文参考訳（メタデータ） (2020-10-22T05:04:38Z)
Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
論文参考訳（メタデータ） (2020-06-11T19:40:38Z)
Profile Entropy: A Fundamental Measure for the Learnability and Compressibility of Discrete Distributions [63.60499266361255]
離散分布のサンプルに対して、プロファイルエントロピーは推定、推論、圧縮の概念を統一する基本的な尺度であることを示す。具体的には、プロファイルエントロピー a) は、最適自然推定器に対する分布を推定する速度を決定する; b) 任意のラベル不変分布コレクションに対する最適推定器と比較して全ての対称特性を推定する速度を特徴付ける; c) プロファイル圧縮の限界として機能する。
論文参考訳（メタデータ） (2020-02-26T17:49:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。