論文の概要: Strong replica symmetry for high-dimensional disordered log-concave
Gibbs measures
- arxiv url: http://arxiv.org/abs/2009.12939v3
- Date: Tue, 22 Feb 2022 18:18:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 03:59:09.631158
- Title: Strong replica symmetry for high-dimensional disordered log-concave
Gibbs measures
- Title(参考訳): 高次元不規則対数凸gibbs測度に対する強いレプリカ対称性
- Authors: Jean Barbier, Dmitry Panchenko, Manuel S\'aenz
- Abstract要約: log-concave は、凸型経験的リスク最小化、最大 a-posteriori 推定、または M-estimation に現れる。
我々は、自由エネルギー、推論、一般化誤差に対してある種の「レプリカ対称式」を確立することに応用できると信じている。
- 参考スコア(独自算出の注目度): 9.761715495731938
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider a generic class of log-concave, possibly random, (Gibbs)
measures. We prove the concentration of an infinite family of order parameters
called multioverlaps. Because they completely parametrise the quenched Gibbs
measure of the system, this implies a simple representation of the asymptotic
Gibbs measures, as well as the decoupling of the variables in a strong sense.
These results may prove themselves useful in several contexts. In particular in
machine learning and high-dimensional inference, log-concave measures appear in
convex empirical risk minimisation, maximum a-posteriori inference or
M-estimation. We believe that they may be applicable in establishing some type
of "replica symmetric formulas" for the free energy, inference or
generalisation error in such settings.
- Abstract(参考訳): 我々はlog-concaveの一般的なクラス、おそらくランダム(gibbs)測度を考える。
マルチオーバーラップと呼ばれるオーダーパラメータの無限のファミリーの濃度を証明します。
彼らはシステムのクエンチされたギブズ測度を完全にパラメトリズするので、これは漸近的なギブズ測度の単純な表現と、強い意味で変数の分離を意味する。
これらの結果はいくつかの文脈で有用であることが証明できる。
特に機械学習や高次元推論では、対数凸測度は凸的リスク最小化、最大 a-posteriori 推論、あるいは m-推定で現れる。
自由エネルギーに対するある種の「複製対称公式」の確立や、そのような設定における推論や一般化誤差の確立に応用できると信じている。
関連論文リスト
- Sharp detection of low-dimensional structure in probability measures via dimensional logarithmic Sobolev inequalities [0.5592394503914488]
本稿では、所定の基準測度$mu$の摂動として、目標測度$pi$を同定し、近似する手法を提案する。
我々の主な貢献は、多元対数ソボレフ不等式(LSI)と、このアンザッツとの近似との接続を明らかにすることである。
論文 参考訳(メタデータ) (2024-06-18T20:02:44Z) - Tempered Calculus for ML: Application to Hyperbolic Model Embedding [74.82054459297169]
MLで使用されるほとんどの数学的歪みは、本質的に自然界において積分的である。
本稿では,これらの歪みを改善するための基礎的理論とツールを公表し,機械学習の要件に対処する。
我々は、最近MLで注目を集めた問題、すなわち、ハイパーボリック埋め込みを「チープ」で正確なエンコーディングで適用する方法を示す。
論文 参考訳(メタデータ) (2024-02-06T17:21:06Z) - Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。
これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
論文 参考訳(メタデータ) (2023-11-08T15:17:13Z) - A U-turn on Double Descent: Rethinking Parameter Counting in Statistical
Learning [68.76846801719095]
二重降下がいつどこで起こるのかを正確に示し、その位置が本質的に閾値 p=n に結び付けられていないことを示す。
これは二重降下と統計的直観の間の緊張を解消する。
論文 参考訳(メタデータ) (2023-10-29T12:05:39Z) - Randomized measurement protocols for lattice gauge theories [0.0]
量子状態の発見のための対称性を考慮したランダム化計測手法を提案する。
これは、我々が提案する対称性を意識したランダム化測定スキームによって利用することができ、対称性-盲乱数化よりも明確な優位性が得られる。
対称性ブラインドランダム化測定プロトコルとは異なり、これらの後者のタスクは密度行列の完全な再構成によって対称性を学習することなく実行できる。
論文 参考訳(メタデータ) (2023-03-27T18:01:51Z) - Fixed-point iterations for several dissimilarity measure barycenters in
the Gaussian case [69.9674326582747]
目標追跡とセンサ融合の文脈では、多数のガウス密度を扱うことは珍しくない。
FPI(Fixed-Point Iterations)は、いくつかの異なる尺度に従って、バリセンタの計算を行う。
論文 参考訳(メタデータ) (2022-05-10T11:12:12Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Probing symmetries of quantum many-body systems through gap ratio
statistics [0.0]
我々は、ギャップ比分布 P(r) の研究を離散対称性が存在する場合に拡張する。
我々は、量子時計モデルや正準鎖から周期駆動スピンシステムまで、多体物理学の幅広い応用について述べる。
論文 参考訳(メタデータ) (2020-08-25T17:11:40Z) - Generalized Sliced Distances for Probability Distributions [47.543990188697734]
我々は、一般化スライス確率測定(GSPM)と呼ばれる、幅広い確率測定値の族を紹介する。
GSPMは一般化されたラドン変換に根付いており、ユニークな幾何学的解釈を持つ。
GSPMに基づく勾配流を生成モデル応用に適用し、軽度な仮定の下では、勾配流が大域的最適に収束することを示す。
論文 参考訳(メタデータ) (2020-02-28T04:18:00Z) - Compact convex structure of measurements and its applications to
simulability, incompatibility, and convex resource theory of
continuous-outcome measurements [0.0]
測定空間 $mathfrakM(E)$ を、$E 上の連続測定のポストプロセッシング同値クラスの集合として定義する。
シミュレーション不可能性および非互換性性のロバスト性尺度は、シミュレーション可能あるいは互換性のある測定値と比較して、測定値の状態判別確率の最適比と一致することを示す。
論文 参考訳(メタデータ) (2020-02-10T02:42:11Z)
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。