Fugu-MT 論文翻訳(概要): MUB-like structures and tomographic reconstruction for N-ququart systems

論文の概要: MUB-like structures and tomographic reconstruction for N-ququart systems

arxiv url: http://arxiv.org/abs/2108.04191v1
Date: Mon, 9 Aug 2021 17:31:50 GMT
ステータス: 処理完了
システム内更新日: 2023-03-18 23:27:59.914833
Title: MUB-like structures and tomographic reconstruction for N-ququart systems
Title（参考訳）: N量子系のMUB構造とトモグラフィー再構成
Authors: Juan D\'iaz-Guevara, Isabel Sainz, and Andrei B. Klimov
Abstract要約: 我々は、N 個のクォーターの基底のような、相互に偏りのない情報的に完備な集合を構築する。これらの基盤は明示的なトモグラフィープロトコルで使われ、これは2次誤差を推定し、他の再構成手法と比較することによって解析される。
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 construct an informationally complete set of mutually unbiased - like bases for N ququarts. These bases are used in an explicit tomographic protocol which performance is analyzed by estimating quadratic errors and compared to other reconstruction schemes.
Abstract（参考訳）: 我々は、n ququarts のベースのように、相互に偏りのない情報完全集合を構築する。これらのベースは明示的なトモグラフィプロトコルで使用されており、二次誤差を推定し、他の再構成方式と比較することで性能を解析できる。

関連論文リスト

Quantum Assemblage Tomography [0.40151799356083073]
本稿では,コニカル最適化手法と最大推定値を組み合わせた集合体トモグラフィーの一般化損失モデルを提案する。本手法は, モデル複雑度を考慮に入れながら, 再現の精度を向上することを示す。
論文参考訳（メタデータ） (2024-08-28T07:00:44Z)
Hamiltonian Reconstruction: the Correlation Matrix and Incomplete Operator Bases [0.0]
未完成なベースと過完全なベース – 演算子の数が少ない,あるいは多すぎる – の影響について検討する。不完全なベースから再構成するための近似スキームを提案し、選択モデル上で数値的に実行した。
論文参考訳（メタデータ） (2023-11-15T19:00:11Z)
Knowledge Base Question Answering by Case-based Reasoning over Subgraphs [81.22050011503933]
本モデルでは,既存のKG補完アルゴリズムよりも複雑な推論パターンを必要とする問合せに対して,より効果的に答えることを示す。提案モデルは、KBQAベンチマークの最先端モデルよりも優れているか、競合的に動作する。
論文参考訳（メタデータ） (2022-02-22T01:34:35Z)
Grounded Graph Decoding Improves Compositional Generalization in Question Answering [68.72605660152101]
質問応答モデルは、長いシーケンスやより複雑なテスト構造のようなトレーニングパターンの新しい構成に一般化するのに苦労する。構造化された予測をアテンション機構でグラウンド化することで,言語表現の合成一般化を改善する手法であるグラウンドドグラフデコーディングを提案する。本モデルは,質問応答における合成一般化の挑戦的ベンチマークである構成自由ベース質問(CFQ)データセットにおいて,最先端のベースラインを著しく上回っている。
論文参考訳（メタデータ） (2021-11-05T17:50:14Z)
Microstructure reconstruction via artificial neural networks: A combination of causal and non-causal approach [0.0]
本稿では,現在の画素の位相を因果近傍に基づいて予測することにより,画像の再構成を提案する。次に、非因果ANNモデルを用いて、再構成した画像を後処理の形で滑らかにする。
論文参考訳（メタデータ） (2021-10-19T09:04:19Z)
Structured Outdoor Architecture Reconstruction by Exploration and Classification [34.066110654930476]
本研究では,空中画像から構造化された構造復元のための探索・分類フレームワークを提案する。我々は,基礎構造に基づいて分類ラベルを生成しながら,構築モデルの正しさを分類することを学ぶ。 2つのベースラインと2つの最先端再構築アルゴリズムによる初期再構成手法の評価を行った。
論文参考訳（メタデータ） (2021-08-18T06:28:26Z)
Structural Learning of Probabilistic Sentential Decision Diagrams under Partial Closed-World Assumption [127.439030701253]
確率感性決定図は構造化分解可能な回路のクラスである。本稿では,回路の論理的基盤を暗黙的に提供する部分閉世界仮定に基づく新しいスキームを提案する。予備実験では、提案手法がトレーニングデータに適切に適合し、基礎となる論理的基盤と整合性を維持した上で、テストデータによく適合することを示した。
論文参考訳（メタデータ） (2021-07-26T12:01:56Z)
Self-Learning for Received Signal Strength Map Reconstruction with Neural Architecture Search [63.39818029362661]
ニューラルアーキテクチャサーチ(NAS)と受信信号強度(RSS)マップ再構築のための自己学習に基づくモデルを提案する。このアプローチは、まず最適なNNアーキテクチャを見つけ、与えられた(RSS)マップの地上実測値に対して同時に推論モデルを訓練する。実験結果から,この第2モデルの信号予測は,非学習に基づく最先端技術や,アーキテクチャ探索を伴わないNNモデルよりも優れていた。
論文参考訳（メタデータ） (2021-05-17T12:19:22Z)
Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
論文参考訳（メタデータ） (2021-05-11T03:39:08Z)
Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文参考訳（メタデータ） (2020-07-13T03:27:45Z)

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。