論文の概要: Enforcing dissipative entanglement by feedback
- arxiv url: http://arxiv.org/abs/2005.01768v1
- Date: Mon, 4 May 2020 18:07:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 05:04:23.170686
- Title: Enforcing dissipative entanglement by feedback
- Title(参考訳): フィードバックによる散逸性絡み込みの強制
- Authors: Morteza Rafiee, Alireza Nourmandipour, and Stefano Mancini
- Abstract要約: そこで本研究では,2キュービットの共振による定常絡みの強化の可能性について,フィードバックを用いて検討した。
マルコフ効果とベイズフィードバックとを対比し、初期状態によっては、後者の性能が16%から33%上であることを示す。
- 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 study the possibility of enhancing the stationary entanglement achievable
with two-qubit dissipating into a common environment by means of feedback. We
contrast the effect of Markovian with Bayesian feedback and show that,
depending on the initial state, the performance of the latter are from 16% to
33% superior.
- Abstract(参考訳): そこで本研究では,2キュービットの共振による定常絡みの強化の可能性について,フィードバックを用いて検討した。
マルコビアンの効果をベイズフィードバックと比較し,初期状態によっては,マルコビアンの性能が16%から33%上回ることを示した。
関連論文リスト
- Exploiting Correlated Auxiliary Feedback in Parameterized Bandits [56.84649080789685]
そこで本研究では,学習者が追加の補助的フィードバックを観察できるパラメータ化帯域問題の新たな変種について検討する。
補助的なフィードバックは、ユーザのサービス評価(リワード)を観察し、サービス提供時間(補助的なフィードバック)などの追加情報を収集するオンラインプラットフォームなど、多くの現実的なアプリケーションで容易に利用可能である。
論文 参考訳(メタデータ) (2023-11-05T17:27:06Z) - Neighborhood Mixup Experience Replay: Local Convex Interpolation for
Improved Sample Efficiency in Continuous Control Tasks [60.88792564390274]
Neighborhood Mixup Experience Replay (NMER) は、状態-作用空間における遷移を補間する幾何学的に接地されたリプレイバッファである。
NMERは,ベースライン再生バッファ上で平均94%(TD3)と29%(SAC)のサンプリング効率を向上する。
論文 参考訳(メタデータ) (2022-05-18T02:44:08Z) - A Study on Robustness to Perturbations for Representations of
Environmental Sound [16.361059909912758]
モノフォニック(UrbanSound8K)およびポリフォニック(SONYC UST)データセット上で,YAMNetとOpenL$3$の2つの埋め込みを評価した。
本研究では,音波信号に摂動を注入することによりチャネル効果を模倣し,新しい埋め込みのシフトを3つの距離で測定する。
論文 参考訳(メタデータ) (2022-03-20T01:04:38Z) - Learning Robust Recommender from Noisy Implicit Feedback [140.7090392887355]
我々はAdaptive Denoising Training(ADT)という新しいトレーニング戦略を提案する。
ADTは2つのパラダイム(Trncated LossとReweighted Loss)によるノイズ相互作用を適応的に引き起こす
我々は、追加のフィードバック(例えば、評価)を補助信号とみなし、追加のフィードバックをADTに組み込むための3つの戦略を提案する。
論文 参考訳(メタデータ) (2021-12-02T12:12:02Z) - Smooth Sequential Optimisation with Delayed Feedback [0.0]
累積入力からスムーズな報酬推定を推定する収縮への新しい適応を提案する。
数値シミュレーションにより, この適応は収縮の利点を保ち, 報酬推定の安定性を50%以上向上させることを示した。
論文 参考訳(メタデータ) (2021-06-21T17:51:36Z) - Bias-Robust Bayesian Optimization via Dueling Bandit [57.82422045437126]
ベイジアン最適化は、観測が逆偏りとなるような環境において考慮する。
情報指向サンプリング(IDS)に基づくダリングバンディットの新しい手法を提案する。
これにより、累積的後悔保証を伴う帯域幅の並列化のための、最初の効率的なカーネル化アルゴリズムが得られる。
論文 参考訳(メタデータ) (2021-05-25T10:08:41Z) - Uncertainty-Aware Abstractive Summarization [3.1423034006764965]
ベイズ深層学習に基づく要約手法を提案する。
BARTとPEGの変動等価性は、複数のベンチマークデータセットで決定論的に比較した場合よりも優れていることを示す。
信頼性の高い不確実性尺度を持つことで、高い不確実性の生成された要約をフィルタリングすることにより、エンドユーザのエクスペリエンスを向上させることができる。
論文 参考訳(メタデータ) (2021-05-21T06:36:40Z) - Discriminating qubit amplitude damping channels [0.0]
我々は、励起状態が常に最適入力を与えるとは限らないことを示し、側絡補助は限られた利益をもたらすことを示した。
二点目では、絡み合った入力の実用性を証明する。その後、個々の(局所的な)測定に焦点をあてて、最適な適応戦略を見出す。
論文 参考訳(メタデータ) (2020-09-02T12:29:08Z) - Reinforcement Learning with Feedback Graphs [69.1524391595912]
エージェントがステップ毎に追加のフィードバックを受けた場合,決定過程におけるエピソード強化学習について検討する。
状態-作用対上のフィードバックグラフを用いてこの設定を定式化し、モデルベースのアルゴリズムが追加のフィードバックを利用してよりサンプル効率のよい学習を行うことを示す。
論文 参考訳(メタデータ) (2020-05-07T22:35:37Z) - Training with Streaming Annotation [74.87701982278206]
本稿では,小規模バッチでトレーニングデータを解放する実践シナリオについて述べる。
我々は、事前訓練されたトランスフォーマーネットワークを使用して、初期のバッチから最も有能なドキュメント情報を保存し、統合する。
論文 参考訳(メタデータ) (2020-02-11T01:52:05Z)
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。