Fugu-MT 論文翻訳(概要): Origin and Limit of the Recovery of Damaged Information by Time Reversal

論文の概要: Origin and Limit of the Recovery of Damaged Information by Time Reversal

arxiv url: http://arxiv.org/abs/2011.12949v2
Date: Mon, 8 Feb 2021 19:33:47 GMT
ステータス: 処理完了
システム内更新日: 2023-04-23 00:47:36.844731
Title: Origin and Limit of the Recovery of Damaged Information by Time Reversal
Title（参考訳）: 時間逆転による被害情報の回復の起源と限界
Authors: Xiangyu Cao and Thomas Scaffidi
Abstract要約: イントルーダによる損傷後であっても,スクランブルド情報は時間反転進化によって部分的に復元可能であることを示す。古典的カオスの存在はそれを妨げるものではなく、回復率を定量的に低下させるだけであると主張する。
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: Recently it was found that scrambled information can be partially recovered by a time-reversed evolution, even after being damaged by an intruder. We reconsider the origin of the information recovery, and argue that the presence of classical chaos does not preclude it and only leads to a quantitative reduction of the recovery ratio. We also show how decoherence (i.e. entanglement with the intruder) limits the recovery, by proving an upper bound on the recovery ratio in terms of the entangling power of the intruder's action.
Abstract（参考訳）: 近年,侵入機による損傷を受けた場合でも,スクランブル情報の部分的には時間反転進化によって復元できることが判明した。我々は,情報回復の起源を再考し,古典的カオスの存在はそれを妨げるものではなく,回復率を定量的に低下させるだけだと主張する。また,脱コヒーレンス(すなわち侵入者の絡み合い)が,侵入者の行動の絡み合いの力の観点から,回復率の上限を証明することによって,回復を制限することを示す。

関連論文リスト

Non-stochastic Bandits With Evolving Observations [47.61533665679308]
既存のモデルを統一し一般化する新しいオンライン学習フレームワークを導入する。我々は,全情報設定と帯域幅設定の両方に対して,後悔の最小化アルゴリズムを提案する。我々のアルゴリズムは、多くの特別なケースにまたがる既知の後悔境界と一致し、以前にも知られていない境界も導入する。
論文参考訳（メタデータ） (2024-05-27T05:32:46Z)
Recovery of damaged information via scrambling in indefinite casual order [10.577215927026199]
スクランブルは、ローカルオペレーターとのローカル情報へのアクセスを防止する。不確定因果順序でスクランブルすることで、損傷した量子情報を復元する改良手法を示す。クラウドベースの量子コンピュータであるQuafuについて実験を行った。
論文参考訳（メタデータ） (2023-12-05T09:21:20Z)
Counterfactual Cross-modality Reasoning for Weakly Supervised Video Moment Localization [67.88493779080882]
ビデオモーメントのローカライゼーションは、自然言語クエリに従って、未トリミングされたビデオのターゲットセグメントを取得することを目的としている。最近の研究は、マスキングクエリの再構築によって引き起こされるモダリティの類似性とは対照的である。提案手法は, 対実的相互モダリティ推論法である。
論文参考訳（メタデータ） (2023-08-10T15:45:45Z)
Backdoor Attacks Against Incremental Learners: An Empirical Evaluation Study [79.33449311057088]
本稿では,11人の典型的なインクリメンタル学習者の3つの学習シナリオに対する中毒ベースのバックドア攻撃に対する高い脆弱性を実証的に明らかにする。アクティベーションクラスタリングに基づく防御機構は,潜在的なセキュリティリスクを軽減するためのトリガーパターンの検出に有効であることがわかった。
論文参考訳（メタデータ） (2023-05-28T09:17:48Z)
Understanding Reconstruction Attacks with the Neural Tangent Kernel and Dataset Distillation [110.61853418925219]
我々は、データセット再構築攻撃のより強力なバージョンを構築し、無限の幅で設定されたエンペントリアルトレーニングを確実に回復する方法を示す。理論的にも経験的にも再構成された画像は、データセットの「外部」に傾向を示す。これらのリコンストラクション攻撃は, テクストデータセット蒸留において, 再構成画像上で再トレーニングを行い, 高い予測精度を得ることができる。
論文参考訳（メタデータ） (2023-02-02T21:41:59Z)
Reward Imputation with Sketching for Contextual Batched Bandits [48.80803376405073]
コンテキストバッチバンドイット(Contextual batched bandit、CBB)は、各エピソードの最後に環境から報酬のバッチを観測する設定である。 CBBの既存のアプローチは、実行されていないアクションの報酬を無視し、フィードバック情報の未利用につながることが多い。本研究では,未観測の報酬をスケッチを用いて完遂するSketched Policy Updating with Imputed Rewards (SPUIR)を提案する。
論文参考訳（メタデータ） (2022-10-13T04:26:06Z)
Nonperturbative gravity corrections to bulk reconstruction [0.0]
有限次元あるいは無限次元のヒルベルト空間を用いてバルク再構成の非摂動重力的側面を理解するための新しい枠組みを導入する。任意の境界領域の復元ウェッジにおける局所演算子は、任意に大きいコード部分空間に対して、状態に依存しない方法で復元できることを実証する。
論文参考訳（メタデータ） (2021-12-23T18:59:59Z)
Exploring the Security Boundary of Data Reconstruction via Neuron Exclusivity Analysis [23.07323180340961]
線形整列ユニット(ReLUs)を用いたニューラルネットワーク上の微視的視点による勾配からのデータ再構成のセキュリティ境界について検討する。ニューラルネットワークの安全性の低い境界にある訓練バッチの再構築において,従来の攻撃よりも大幅に優れる新しい決定論的攻撃アルゴリズムを構築した。
論文参考訳（メタデータ） (2020-10-26T05:54:47Z)
Recovery of Damaged Information and the Out-of-Time-Ordered Correlators [3.800391908440439]
また,スクランブルされた情報が局所的な測定によって部分的に損傷されている場合,時間反転プロトコルの適用により,そのような損傷を処理可能であることを示す。この情報回復は、局所変数の時間外順序相関器の長期飽和値によって記述される。
論文参考訳（メタデータ） (2020-03-16T15:05:25Z)
Corruption-robust exploration in episodic reinforcement learning [76.19192549843727]
本研究は, システムにおける報酬と遷移確率の両面において, 敵対的腐敗下での多段階・多段階・多段階強化学習について検討した。我々の枠組みは、汚職の欠如をほぼ最適に後悔する効率的なアルゴリズムをもたらす。特に,本研究は,根本的強化学習のためのBandit-Feedbackモデルにおいて,純粋にI.d.遷移からの逸脱を保証した最初のサブ線形後悔の保証を提供する。
論文参考訳（メタデータ） (2019-11-20T03:49:13Z)

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。