論文の概要: Bayesian Phase Estimation via Active Learning
- arxiv url: http://arxiv.org/abs/2107.00196v1
- Date: Thu, 1 Jul 2021 03:14:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 20:51:29.388591
- Title: Bayesian Phase Estimation via Active Learning
- Title（参考訳）: アクティブラーニングによるベイズ位相推定
- Authors: Yuxiang Qiu, Min Zhuang, Jiahao Huang, Chaohong Lee
- Abstract要約: 本稿では,非適応ベイズ位相推定(BPE)アルゴリズムについて,アクティブラーニングにより設計した補助位相の創発的な更新規則を提案する。
我々のアルゴリズムは原子時計や量子磁気センサなど、様々な実用的な量子センサに有望な応用が期待できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bayesian estimation approaches, which are capable of combining the
information of experimental data from different likelihood functions to achieve
high precisions, have been widely used in phase estimation via introducing a
controllable auxiliary phase. Here, we present a non-adaptive Bayesian phase
estimation (BPE) algorithms with an ingenious update rule of the auxiliary
phase designed via active learning. Unlike adaptive BPE algorithms, the
auxiliary phase in our algorithm is determined by a pre-established update rule
with simple statistical analysis of a small batch of data, instead of complex
calculations in every update trails. As the number of measurements for a same
amount of Bayesian updates is significantly reduced via active learning, our
algorithm can work as efficient as adaptive ones and shares the advantages
(such as wide dynamic range and perfect noise robustness) of non-adaptive ones.
Our algorithm is of promising applications in various practical quantum sensors
such as atomic clocks and quantum magnetometers.
- Abstract（参考訳）: ベイズ推定手法は, 異なる帰納関数からの実験データの情報を組み合わせることで高精度な位相推定が可能であり, 制御可能な補助位相を導入することで, 位相推定に広く用いられている。
本稿では,非適応ベイズ位相推定(BPE)アルゴリズムを提案する。
適応的BPEアルゴリズムとは異なり、我々のアルゴリズムの補助位相は、更新パス毎に複雑な計算を行うのではなく、小さなデータバッチの単純な統計的解析による事前確立された更新規則によって決定される。
同じ量のベイズ更新の計測数はアクティブラーニングによって大幅に削減されるため、アルゴリズムは適応型と同等に効率的に動作でき、非適応型のもの(広いダイナミックレンジや完全なノイズロバスト性など)の利点を共有することができる。
我々のアルゴリズムは原子時計や量子磁気センサなど、様々な実用的な量子センサに有望な応用が期待できる。
関連論文リスト
- Gradient Descent Efficiency Index [0.0]
本研究では,各イテレーションの有効性を定量化するために,新しい効率指標Ekを導入する。
提案した測定基準は、誤差の相対的変化と繰り返し間の損失関数の安定性の両方を考慮に入れている。
Ekは、機械学習アプリケーションにおける最適化アルゴリズムの選択とチューニングにおいて、より詳細な決定を導く可能性がある。
論文 参考訳（メタデータ） (2024-10-25T10:22:22Z) - Variational quantum algorithm for enhanced continuous variable optical
phase sensing [0.0]
変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。
本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
論文 参考訳（メタデータ） (2023-12-21T14:11:05Z) - BatchGFN: Generative Flow Networks for Batch Active Learning [80.73649229919454]
BatchGFNは、生成フローネットワークを使用してバッチ報酬に比例したデータポイントのセットをサンプリングする、プールベースのアクティブラーニングのための新しいアプローチである。
提案手法は,おもちゃの回帰問題において,1点当たり1回の前方通過で推定時間に近距離最適効用バッチをサンプリングすることを可能にした。
論文 参考訳（メタデータ） (2023-06-26T20:41:36Z) - Contraction-Guided Adaptive Partitioning for Reachability Analysis of
Neural Network Controlled Systems [5.359060261460183]
非線形フィードバックループにおける区間値到達可能集合の推定値を改善するための収縮誘導適応分割アルゴリズムを提案する。
ニューラルネットワーク検証ステップとリーチビリティパーティショニングレイヤの分離を活用することで、アルゴリズムは計算コストの少ない精度の向上を提供することができる。
本稿では,現状の手法と比較して,ランタイムのごく一部において,到達可能な集合推定の精度が大幅に向上したことを報告する。
論文 参考訳（メタデータ） (2023-04-07T14:43:21Z) - Adaptive Experimentation at Scale: A Computational Framework for
Flexible Batches [7.390918770007728]
結果がバッチで測定される少数の実測を含む実例によって動機付けられ,適応駆動型実験フレームワークを開発した。
我々の主な観察は、統計的推論において普遍的な正規近似は適応アルゴリズムの設計を導くことができることである。
論文 参考訳（メタデータ） (2023-03-21T04:17:03Z) - Faster Adaptive Federated Learning [84.38913517122619]
フェデレートラーニングは分散データの出現に伴って注目を集めている。
本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
論文 参考訳（メタデータ） (2022-12-02T05:07:50Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Adaptive Gradient Method with Resilience and Momentum [120.83046824742455]
レジリエンスとモメンタム(AdaRem)を用いた適応勾配法を提案する。
AdaRemは、過去の1つのパラメータの変化方向が現在の勾配の方向と一致しているかどうかに応じてパラメータワイズ学習率を調整する。
本手法は,学習速度とテスト誤差の観点から,従来の適応学習率に基づくアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-10-21T14:49:00Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Activation Relaxation: A Local Dynamical Approximation to
Backpropagation in the Brain [62.997667081978825]
活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。
我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
論文 参考訳（メタデータ） (2020-09-11T11:56:34Z) - Fase-AL -- Adaptation of Fast Adaptive Stacking of Ensembles for
Supporting Active Learning [0.0]
本研究は,Active Learning を用いて非ラベルのインスタンスで分類モデルを誘導する FASE-AL アルゴリズムを提案する。
このアルゴリズムは、正しく分類されたインスタンスの割合で有望な結果を得る。
論文 参考訳（メタデータ） (2020-01-30T17:25:47Z)
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。