論文の概要: Consistency testing for robust phase estimation

• arxiv url: http://arxiv.org/abs/2011.13442v1
• Date: Thu, 26 Nov 2020 19:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-22 22:34:56.591655
• Title: Consistency testing for robust phase estimation
• Title（参考訳）: ロバスト位相推定のための一貫性テスト
• Authors: Antonio E. Russo, William M. Kirby, Kenneth M. Rudinger, Andrew D. Baczewski, Shelby Kimmel
• Abstract要約: 本稿では,予測された統計的範囲外にある不正確な結果を特定することのできる,ロバスト位相推定プロトコルの拡張について述べる。 私たちは、それらのしきい値がいつ違反したかを示すことができる一貫性チェックを提供しています。 いくつかの一般的なノイズモデルに対するこれらの整合性チェックを検証し、さらなる推定を信頼すべきでないロバストな位相推定ランにおける点の特定において、高い精度で2つの可能なチェックを同定する。
• 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: We present an extension to the robust phase estimation protocol, which can identify incorrect results that would otherwise lie outside the expected statistical range. Robust phase estimation is increasingly a method of choice for applications such as estimating the effective process parameters of noisy hardware, but its robustness is dependent on the noise satisfying certain threshold assumptions. We provide consistency checks that can indicate when those thresholds have been violated, which can be difficult or impossible to test directly. We test these consistency checks for several common noise models, and identify two possible checks with high accuracy in locating the point in a robust phase estimation run at which further estimates should not be trusted. One of these checks may be chosen based on resource availability, or they can be used together in order to provide additional verification.
• Abstract（参考訳）: 本稿では,予測された統計的範囲外にある不正確な結果を特定することのできる,ロバスト位相推定プロトコルの拡張を提案する。 ロバスト位相推定は、ノイズの多いハードウェアの効率的なプロセスパラメータを推定するなど、アプリケーションにとってますます選択の方法となっているが、その堅牢性は特定のしきい値の仮定を満たすノイズに依存する。 私たちは、それらのしきい値がいつ違反したかを示すことができる一貫性チェックを提供しています。 我々は,いくつかの一般的なノイズモデルに対する一貫性チェックをテストし,さらなる推定を信頼すべきでないロバストな位相推定において,高い精度で2つの可能なチェックを同定する。 これらのチェックの1つは、リソースの可用性に基づいて選択するか、追加の検証を提供するために一緒に使用できる。

関連論文リスト

• Reliable Interval Estimation for the Fidelity of Entangled States in Scenarios with General Noise [0.27624021966289597]
  絡み合った状態の忠実度推定は、量子ネットワークにおける品質制御とエラー検出に必須の構成要素である。 量子ネットワークは、しばしば異質で相関したノイズに遭遇し、推定された忠実度に過剰な不確実性をもたらす。 本稿では,一般雑音の存在下で有効である忠実度に対する信頼区間を提案する。
  論文  参考訳（メタデータ） (2024-09-28T08:23:23Z)
• Phase error rate estimation in QKD with imperfect detectors [0.0]
  我々は,コヒーレント攻撃に対するデコイ状態BB84QKDプロトコルの有限サイズセキュリティ証明を提案する。 本結果は,不完全特徴の基底効率ミスマッチ検出装置に適用する。
  論文  参考訳（メタデータ） (2024-08-30T15:23:21Z)
• Time-adaptive phase estimation [0.0]
  本稿では,事前位相知識に基づいて制御位相とコヒーレント進化時期を適応的に選択するベイズ位相推定手法を提案する。 既知理論境界に対する準最適性能を求め, 推定値の頑健性を示すとともに, 推定値が推定値のモデルで考慮されていない雑音に対する頑健性を示す。 この方法は、利用者の最小限の努力で、利用可能な事前知識と実験的な欠陥を考慮に入れた最適なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-05-14T19:49:22Z)
• Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
  我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。 我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。 実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
  論文  参考訳（メタデータ） (2024-04-04T11:32:03Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• Reliability-Aware Prediction via Uncertainty Learning for Person Image Retrieval [51.83967175585896]
  UALは、データ不確実性とモデル不確実性を同時に考慮し、信頼性に配慮した予測を提供することを目的としている。 データ不確実性はサンプル固有のノイズを捕捉する」一方、モデル不確実性はサンプルの予測に対するモデルの信頼を表現している。
  論文  参考訳（メタデータ） (2022-10-24T17:53:20Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
  雑音分布の明示的な表現に依存しない新しい計画法を提案する。 まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。 いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
  論文  参考訳（メタデータ） (2021-10-25T06:18:55Z)
• Statistical Hypothesis Testing for Class-Conditional Label Noise [3.6895394817068357]
  この作業は、機械学習の実践者に質問に答えるためのツールを提供することを目的としています。 特に,あるインスタンスラベル対のデータセットが,クラス条件ラベルノイズによって破損したかどうかを確認するための仮説テストを提案する。
  論文  参考訳（メタデータ） (2021-03-03T19:03:06Z)

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。