論文の概要: Estimation of heavy tails in optical non-linear processes

• arxiv url: http://arxiv.org/abs/2011.04429v1
• Date: Mon, 9 Nov 2020 13:44:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 21:28:48.570354
• Title: Estimation of heavy tails in optical non-linear processes
• Title（参考訳）: 光非線形過程における重テールの推定
• Authors: \'Eva R\'acz, L\'aszl\'o Ruppert, Radim Filip
• Abstract要約: 光学的非線形過程では、ローグ波が観測され、重尾分布によって数学的に記述できる。 現在の写本では、重み付き分布に関する一般的な統計ツールキットについて概観している。 我々は、検出器飽和に対処するヒル推定器の修正と、その過程を鮮やかな圧縮真空で汲み上げることによる補正を提案する。
• 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: In optical non-linear processes rogue waves can be observed, which can be mathematically described by heavy-tailed distributions. These distributions are special due to the fact that the probability of registering extremely high intensities is significantly higher than for the exponential distribution, which is most commonly observed in statistical and quantum optics. The current manuscript gives a practical overview of the generic statistics toolkit concerning heavy-tailed distributions and proposes methods to deal with issues specific to non-linear optics. We take a closer look at supercontinuum generation, where rogue waves were already observed. We propose modifications to the Hill estimator to deal with detector saturation as well as corrections introduced by pumping the process by bright squeezed vacuum. The suggested methodology facilitates statistically reliable observation of heavy-tailed distribution in non-linear optics, nanooptics, atomic, solid-state processes and optomechanics.
• Abstract（参考訳）: 光学的非線形過程ではローグ波が観測され、重尾分布によって数学的に記述できる。 これらの分布は、非常に高い強度を登録する確率が、統計光学や量子光学において最もよく見られる指数分布よりも著しく高いため、特別なものである。 現状の写本では,重み付き分布に関する一般統計ツールキットの概要を概説し,非線形光学に特有の問題に対処する手法を提案する。 我々は、すでにローグ波が観測されている超連続体生成について詳しく調べる。 本研究では, 検出器飽和に対処するためのヒル推定器の改良と, 明るい圧縮真空によるプロセス励起による補正を提案する。 提案手法は, 非線形光学, ナノ光学, 原子, 固体プロセス, 光学における重尾分布の統計的に信頼性の高い観察を容易にする。

関連論文リスト

• Calibrating Bayesian Generative Machine Learning for Bayesiamplification [0.0]
  ベイズ生成機械学習モデルのキャリブレーションを定量化するための明確なスキームを示す。 十分に校正された不確実性は、大まかに非相関真理サンプルの数を推定するために用いられる。
  論文  参考訳（メタデータ） (2024-08-01T18:00:05Z)
• Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
  本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。 提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
  論文  参考訳（メタデータ） (2024-02-13T09:40:19Z)
• Nonlinear Filtering with Brenier Optimal Transport Maps [4.745059103971596]
  本稿では,非線形フィルタリング,すなわち動的システムの状態の条件分布の計算の問題について述べる。 従来の逐次重要再サンプリング(SIR)粒子フィルタは、縮退確率や高次元状態を含むシナリオにおいて、基本的な制限に悩まされる。 本稿では,Brenier 最適輸送 (OT) マップを,現在の状態の分布から次のステップにおける後部分布へ推定する手法について検討する。
  論文  参考訳（メタデータ） (2023-10-21T01:34:30Z)
• Second-Order Coherence Across the Brillouin Lasing Threshold [0.0]
  ブリルアン・マンデルスタム散乱(英: Brillouin-Mandelstam scattering)は、2つの光場と1つの音場の間の3波混合過程である。 ブリュアンラシングしきい値に散乱するストークスの2階コヒーレンスを特徴付けるために、量子光学技術を用いる。 その結果, ブリルアン散乱に対する2次コヒーレンスおよび光子計数測定の適用により, ブリルアン散乱の理解を深める新たな方法が得られた。
  論文  参考訳（メタデータ） (2023-07-21T10:48:06Z)
• A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
  本稿では,確率変数の尾を解析するための体系的アプローチを提案する。 本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。 実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
  論文  参考訳（メタデータ） (2023-06-15T16:37:36Z)
• Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
  非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。 鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
  論文  参考訳（メタデータ） (2023-05-24T20:43:47Z)
• Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
  キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。 4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
  論文  参考訳（メタデータ） (2022-08-21T17:18:10Z)
• Neural density estimation and uncertainty quantification for laser induced breakdown spectroscopy spectra [4.698576003197588]
  構造付きスペクトル潜在空間上の正規化フローを用いて確率密度を推定する。 観測されていない状態ベクトルを予測する際に不確実性定量化法を評価する。 火星探査機キュリオシティが収集したレーザー誘起分解分光データに本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-08-17T01:10:29Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)
• Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
  ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。 また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
  論文  参考訳（メタデータ） (2020-02-20T15:13:27Z)

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。