論文の概要: Optimally Displaced Threshold Detection for Discriminating Binary
Coherent States Using Imperfect Devices
- arxiv url: http://arxiv.org/abs/2007.11109v1
- Date: Tue, 21 Jul 2020 21:52:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 20:40:06.817998
- Title: Optimally Displaced Threshold Detection for Discriminating Binary
Coherent States Using Imperfect Devices
- Title(参考訳): 不完全なデバイスを用いた二元コヒーレント状態の最適変位閾値検出
- Authors: Renzhi Yuan, Mufei Zhao, Shuai Han, and Julian Cheng
- Abstract要約: 雑音や不完全な装置を用いた現実的な状況下で、最適変位しきい値検出(ODTD)を有する一般化されたケネディ受信機の性能を解析的に検討する。
提案アルゴリズムは,既存の手法よりも低次かつスムーズな誤り確率が得られることを示す。
- 参考スコア(独自算出の注目度): 50.09039506170243
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Because of the potential applications in quantum information processing
tasks, discrimination of binary coherent states using generalized Kennedy
receiver with maximum a posteriori probability (MAP) detection has attracted
increasing attentions in recent years. In this paper, we analytically study the
performance of the generalized Kennedy receiver having optimally displaced
threshold detection (ODTD) in a realistic situation with noises and imperfect
devices. We first prove that the MAP detection for a generalized Kennedy
receiver is equivalent to a threshold detection in this realistic situation.
Then we analyze the properties of the optimum threshold and the optimum
displacement for ODTD, and propose a heuristic greedy search algorithm to
obtain them. We prove that the ODTD degenerates to the Kennedy receiver with
threshold detection when the signal power is large, and we also clarify the
connection between the generalized Kennedy receiver with threshold detection
and the one-port homodyne detection. Numerical results show that the proposed
heuristic greedy search algorithm can obtain a lower and smoother error
probability than the existing works.
- Abstract(参考訳): 量子情報処理タスクにおける潜在的応用により、最大後方確率検出(map)を持つ一般化ケネディ受信機を用いたバイナリコヒーレント状態の識別が近年注目されている。
本稿では,ノイズや不完全なデバイスを用いた実環境における最適変位しきい値検出(odtd)を有する一般ケネディ受信機の性能を解析的に検討する。
一般化されたケネディ受信機におけるMAP検出は,この現実的な状況下でのしきい値検出と等価であることを示す。
次に,ODTDの最適しきい値と最適変位特性を解析し,それを得るためのヒューリスティックなグリード探索アルゴリズムを提案する。
ODTDは信号電力が大きいとしきい値検出によってケネディ受信機に縮退し、しきい値検出による一般化ケネディ受信機と1ポートホモダイン検出との接続を明らかにする。
数値計算の結果,提案したヒューリスティックグリーディ探索アルゴリズムは,既存の手法よりも低い,スムーズな誤差確率が得られることがわかった。
関連論文リスト
- Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。
近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。
本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。
実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
論文 参考訳(メタデータ) (2024-09-05T02:58:13Z) - Bagged Regularized $k$-Distances for Anomaly Detection [9.899763598214122]
BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。
我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。
理論的には,我々のアルゴリズムに対するAUCの高速収束率を確立し,バッグング手法が計算複雑性を著しく減少させることを示す。
論文 参考訳(メタデータ) (2023-12-02T07:00:46Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳(メタデータ) (2023-08-18T13:13:09Z) - 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) - A Two-Block RNN-based Trajectory Prediction from Incomplete Trajectory [14.725386295605666]
本稿では,ベイズフィルタフレームワークの推論ステップを近似した2ブロックRNNモデルを提案する。
提案手法は,3つのベースライン計算法と比較して予測精度を向上することを示す。
また,提案手法は誤り検出がない場合の基準値よりも予測精度がよいことを示す。
論文 参考訳(メタデータ) (2022-03-14T13:39:44Z) - ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。
提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文 参考訳(メタデータ) (2020-12-09T08:16:35Z) - Quantum-soft QUBO Suppression for Accurate Object Detection [8.871042314510788]
非最大抑制(NMS)は、何十年にもわたって冗長なオブジェクト検出を除去するために、デフォルトで採用されている。
量子コンピューティングの利点を生かした高速かつ正確な検出のための量子ソフトQUBO抑圧アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-28T05:12:51Z) - BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。
我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。
我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文 参考訳(メタデータ) (2020-03-09T08:16:16Z) - RCC-Dual-GAN: An Efficient Approach for Outlier Detection with Few
Identified Anomalies [11.02452262854759]
外乱検出はデータマイニングにおいて重要な課題であり、様々な用途で多くの技術が研究されている。
本稿では,特定異常の潜在的な情報を直接利用し,個別の異常を同時に検出できる新しい検出モデルDual-GANを提案する。
さらに、ナッシュ平衡の評価と最適モデルの選定に対処するため、2つのモデルに2つの評価指標を作成し、検出プロセスをよりインテリジェントにするために導入する。
論文 参考訳(メタデータ) (2020-03-07T17:13:52Z)
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。