論文の概要: On distinguishability distillation and dilution exponents
- arxiv url: http://arxiv.org/abs/2202.12433v2
- Date: Wed, 23 Nov 2022 12:29:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-23 23:43:00.906018
- Title: On distinguishability distillation and dilution exponents
- Title(参考訳): 判別可能性蒸留と希釈指数について
- Authors: Mark M. Wilde
- Abstract要約: 本稿では, 識別可能性蒸留と希釈のタスクに対して, 誤差指数と強い逆指数を定義する。
半定値プログラミングで評価し、その特性を多数確立し、Renyi相対エントロピーを用いてそれらを束縛し、それらを相互に関連付けることができることを示す。
- 参考スコア(独自算出の注目度): 6.345523830122166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this note, I define error exponents and strong converse exponents for the
tasks of distinguishability distillation and dilution. These are counterparts
to the one-shot distillable distinguishability and the one-shot
distinguishability cost, as previously defined in the resource theory of
asymmetric distinguishability. I show that they can be evaluated by
semi-definite programming, establish a number of their properties, bound them
using Renyi relative entropies, and relate them to each other.
- Abstract(参考訳): 本稿では, 識別性蒸留と希釈の課題に対して, 誤差指数と強い逆指数を定義する。
これらは、前述した非対称識別可能性の資源理論で定義されたワンショット蒸留可能識別性およびワンショット識別性コストに対応するものである。
半定値プログラミングで評価し、その特性を多数確立し、Renyi相対エントロピーを用いてそれらを束縛し、相互に関連付けることができることを示す。
関連論文リスト
- A Sparsity Principle for Partially Observable Causal Representation
Learning [21.888253597917473]
因果表現学習は、知覚データから高レベルの因果変数を特定することを目的としている。
我々は、インスタンスに依存した部分的可観測パターンを持つデータセットから、未確認の観測から学ぶことに集中する。
提案手法は,推定された表現の間隔を小さくすることで,基礎となる因果変数を推定する2つの手法である。
論文 参考訳(メタデータ) (2024-03-13T08:40:49Z) - Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse
Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。
本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。
学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文 参考訳(メタデータ) (2024-01-10T02:38:21Z) - Evaluating the Robustness of Interpretability Methods through
Explanation Invariance and Equivariance [72.50214227616728]
解釈可能性法は、それらの説明が説明されたモデルを忠実に記述した場合にのみ有用である。
特定の対称性群の下で予測が不変であるニューラルネットワークを考える。
論文 参考訳(メタデータ) (2023-04-13T17:59:03Z) - The Representation Jensen-Reny\'i Divergence [0.0]
無限に分割可能なカーネルによって定義されるカーネルヒルベルト空間の再生における演算子に基づくデータ分布間の測度を導入する。
提案手法は,データに基づく確率分布の推定を回避している。
論文 参考訳(メタデータ) (2021-12-02T19:51:52Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳(メタデータ) (2021-11-25T17:33:12Z) - Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty
Estimation for Facial Expression Recognition [59.52434325897716]
DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。
前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。
後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
論文 参考訳(メタデータ) (2021-04-01T03:21:57Z) - Entanglement monotones connect distinguishability and predictability [0.0]
区別可能性と予測可能性は、2種類の干渉実験に適用される相補関係の一部である。
エングルトとベルゴウは、区別可能性と予測可能性の測度の間に絡み合いの測度が隠されていると推測した。
識別可能性とそれに対応する予測可能性の最大値から、絡み合いモノトンを定義することが可能であることを証明した。
論文 参考訳(メタデータ) (2021-03-21T16:18:52Z) - Learning Disentangled Representations with Latent Variation
Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。
逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。
本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文 参考訳(メタデータ) (2020-07-25T08:54:26Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z)
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。