論文の概要: Mean field analysis of reverse annealing for code-division multiple-access multiuser detection

• arxiv url: http://arxiv.org/abs/2004.11066v4
• Date: Mon, 19 Apr 2021 12:51:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 08:29:31.159504
• Title: Mean field analysis of reverse annealing for code-division multiple-access multiuser detection
• Title（参考訳）: 符号分割多重アクセスマルチユーザ検出のためのリバースアニーリングの平均場解析
• Authors: Shunta Arai, Masayuki Ohzeki, Kazuyuki Tanaka
• Abstract要約: レプリカ法を用いて,CDMAマルチユーザ検出の典型的なARA性能を統計力学を用いて評価した。 本研究では, 1次位相遷移を回避するために, 実用アルゴリズムがしきい値を超えうることを示す。
• 参考スコア（独自算出の注目度）: 0.966840768820136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We evaluate the typical ARA performance of the CDMA multiuser detection by means of statistical mechanics using the replica method. At first, we consider the oracle cases where the initial candidate solution is randomly generated with a fixed fraction of the original signal in the initial state. In the oracle cases, the first-order phase transition can be avoided or mitigated by ARA if we prepare for the proper initial candidate solution. We validate our theoretical analysis with quantum Monte Carlo simulations. The theoretical results to avoid the first-order phase transition are consistent with the numerical results. Next, we consider the practical cases where we prepare for the initial candidate solution obtained by commonly used algorithms. We show that the practical algorithms can exceed the threshold to avoid the first-order phase transition. Finally, we test the performance of ARA with the initial candidate solution obtained by the practical algorithm. In this case, the ARA can not avoid the first-order phase transition even if the initial candidate solution exceeds the threshold to avoid the first-order phase transition.
• Abstract（参考訳）: レプリカ法を用いて,CDMAマルチユーザ検出の典型的なARA性能を統計力学を用いて評価した。 まず、初期状態における元の信号の固定分数で初期候補解をランダムに生成するオラクルケースについて考察する。 oracleのケースでは、適切な初期候補ソリューションの準備をすれば、一階のフェーズ遷移はaraによって回避または緩和できます。 量子モンテカルロシミュレーションによる理論的解析を検証した。 一階相転移を避けるための理論的結果は数値結果と一致している。 次に,よく使われるアルゴリズムによって得られる初期候補解を準備する実践的事例について考察する。 1次相転移を避けるために,実用的なアルゴリズムがしきい値を超えうることを示す。 最後に,実際のアルゴリズムで得られた初期候補解を用いてARAの性能を検証した。 この場合、ARAは、第一次相転移を回避するために初期候補解がしきい値を超えても、第一次相転移を回避できない。

関連論文リスト

• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• The Phase Transition Phenomenon of Shuffled Regression [17.99906229036223]
  本研究では, シャッフル(置換)回帰問題に固有の相転移現象について検討する。 本研究では,メッセージパッシング(MP)技術を活用し,位相遷移点の位置を正確に同定することを目的とする。
  論文  参考訳（メタデータ） (2023-10-31T13:21:14Z)
• Discretize Relaxed Solution of Spectral Clustering via a Non-Heuristic Algorithm [77.53604156112144]
  我々は、元の問題と離散化アルゴリズムを橋渡しする1次項を開発する。 非ヒューリスティック法は元のグラフ切断問題を認識しているため、最終的な離散解の方が信頼性が高い。
  論文  参考訳（メタデータ） (2023-10-19T13:57:38Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Amplitude Amplification for Optimization via Subdivided Phase Oracle [0.9176056742068814]
  振幅増幅の修正版を用いて最適化問題を解くアルゴリズムを提案する。 数値シミュレーションにより, 対象値の正規分布, 歪正規分布, 指数分布分布に対して, 最適解の確率を増幅するアルゴリズムが有効であることを示す。
  論文  参考訳（メタデータ） (2022-05-02T01:14:27Z)
• Towards Sample-Optimal Compressive Phase Retrieval with Sparse and Generative Priors [59.33977545294148]
  O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。 この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
  論文  参考訳（メタデータ） (2021-06-29T12:49:54Z)
• A Retrospective Approximation Approach for Smooth Stochastic Optimization [0.2867517731896504]
  グラディエント(グラディエント、英: Gradient、SG)とは、最適化(SO)問題をスムーズ(ノンフィクション)な目標値で解くための補足的反復手法である。
  論文  参考訳（メタデータ） (2021-03-07T16:29:36Z)
• Learning to solve TV regularized problems with unrolled algorithms [18.241062505073234]
  トータル・バージョニング(Total Variation、TV)は、一方向定値信号を促進する一般的な正規化戦略である。 そこで我々は,2つのアプローチを開発し,そのメリットと限界を記述し,反復的な手順よりも実際に改善できる体制について議論する。
  論文  参考訳（メタデータ） (2020-10-19T14:19:02Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
  このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。 我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。 得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
  論文  参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。