論文の概要: Revisiting the equality conditions of the data processing inequality for
the sandwiched R\'enyi divergence
- arxiv url: http://arxiv.org/abs/2009.14197v2
- Date: Thu, 1 Oct 2020 08:45:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 16:10:14.905883
- Title: Revisiting the equality conditions of the data processing inequality for
the sandwiched R\'enyi divergence
- Title(参考訳): サンドイッチr\'enyiダイバージェンスにおけるデータ処理不平等の等式条件の再検討
- Authors: Jinzhao Wang, Henrik Wilming
- Abstract要約: データ処理における等価性は、最近Jenv cov'aによって証明された$alpha$の全範囲のPetzリカバリマップによるリカバリ可能性を示す。
また、Leditzky et al による前の結果を一般化して、新しい等式条件の集合を得る。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We provide a transparent, simple and unified treatment of recent results on
the equality conditions for the data processing inequality (DPI) of the
sandwiched quantum R\'enyi divergence, including the statement that equality in
the data processing implies recoverability via the Petz recovery map for the
full range of $\alpha$ recently proven by Jen\v cov\'a. We also obtain a new
set of equality conditions, generalizing a previous result by Leditzky et al.
- Abstract(参考訳): jen\v cov\'aが最近証明した$\alpha$の全範囲のpetzリカバリマップを介して、データ処理の平等が回復可能性を意味するという声明を含む、サンドウィッチ量子r\'enyi分岐のデータ処理不等式(dpi)に対する最近の結果の透明性、簡易、統一的な処理を提供する。
我々はまた、leditzkyらによる以前の結果を一般化した新しい等式条件も得る。
関連論文リスト
- Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - Taming under isoperimetry [0.0]
本稿では,ログの増大に伴う分布のサンプル化を目的としたLangevinベースのスキームであるmathbfsTULA$を提案する。
非漸近KLを導出し、結果としてLog-Sobolevの不等式を満たす。
論文 参考訳(メタデータ) (2023-11-15T14:44:16Z) - Generalized equivalences between subsampling and ridge regularization [3.1346887720803505]
アンサンブルリッジ推定器におけるサブサンプリングとリッジ正則化の間の構造的およびリスク等価性を証明した。
我々の同値性の間接的な意味は、最適に調整されたリッジ回帰は、データアスペクト比において単調な予測リスクを示すことである。
論文 参考訳(メタデータ) (2023-05-29T14:05:51Z) - Chasing Fairness Under Distribution Shift: A Model Weight Perturbation
Approach [72.19525160912943]
まず,分布シフト,データ摂動,モデルウェイト摂動の関連性を理論的に検証した。
次に、ターゲットデータセットの公平性を保証するのに十分な条件を分析します。
これらの十分な条件により、ロバストフェアネス正則化(RFR)を提案する。
論文 参考訳(メタデータ) (2023-03-06T17:19:23Z) - Benign Overfitting in Linear Classifiers and Leaky ReLU Networks from
KKT Conditions for Margin Maximization [59.038366742773164]
ロジスティック損失の勾配流によって訓練された線形および漏洩ReLUは、KKT条件を満たすための暗黙の偏りを持つ。
本研究では、線形分類器や2層リークReLUネットワークにおいて、これらの条件の満足度が良性オーバーフィットを意味するような設定を多数確立する。
論文 参考訳(メタデータ) (2023-03-02T18:24:26Z) - A Primal-Dual Approach to Solving Variational Inequalities with General Constraints [54.62996442406718]
Yang et al. (2023) は最近、一般的な変分不等式を解決するために一階勾配法を使う方法を示した。
この方法の収束性を証明し、演算子が$L$-Lipschitz と monotone である場合、この手法の最後の繰り返しのギャップ関数が$O(frac1sqrtK)$で減少することを示す。
論文 参考訳(メタデータ) (2022-10-27T17:59:09Z) - On change of measure inequalities for $f$-divergences [5.799808780731661]
戦略は、$f$-divergencesのルジャンドル変換とヤング・フェンシェルの不等式を組み合わせることに依存する。
我々は、$f$-divergencesを含む複雑さを伴う新しいPAC-Bayesian一般化を導出する。
最も人気のある$f$-divergencesに対して、結果をインスタンス化する。
論文 参考訳(メタデータ) (2022-02-11T11:53:28Z) - Heterogeneous Overdispersed Count Data Regressions via Double Penalized
Estimations [0.0]
2つの偏回帰係数のラッソ推定器のオラクル不等式を初めて証明する。
シミュレーションと実データ解析の両方が、新しい手法が有効であることを示す。
論文 参考訳(メタデータ) (2021-10-07T15:20:49Z) - Approximate Petz recovery from the geometry of density operators [0.0]
大きなヒルベルト空間に対して、我々の有界性は、ペッツ写像がオーダー$epsilon$精度で量子誤差補正を行うことを意味する。
重要な役割は、第二サンドイッチされたR'enyi相対エントロピーの指数が最初の議論において二次的であるという事実によって演じられる。
論文 参考訳(メタデータ) (2021-08-24T18:00:10Z) - A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。
統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。
本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
論文 参考訳(メタデータ) (2021-01-25T09:46:14Z) - Approximation Schemes for ReLU Regression [80.33702497406632]
我々はReLU回帰の根本的な問題を考察する。
目的は、未知の分布から引き出された2乗損失に対して、最も適したReLUを出力することである。
論文 参考訳(メタデータ) (2020-05-26T16:26:17Z)
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。