論文の概要: Quality analysis for precision metrology based on joint weak measurements without discarding readout data

• arxiv url: http://arxiv.org/abs/2207.03668v5
• Date: Tue, 30 May 2023 10:26:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-01 02:56:50.021398
• Title: Quality analysis for precision metrology based on joint weak measurements without discarding readout data
• Title（参考訳）: 読み出しデータを捨てることなくジョイント弱測定に基づく高精度気象学の品質解析
• Authors: Lupei Qin, Luting Xu and Xin-Qi Li
• Abstract要約: 一般に、JWMスキームの気象学的精度は総FIで示される精度には達しないが、すべての読み出しは破棄することなく収集される。 また, 減音処理により技術的騒音を除去できないことを示すため, 技術的騒音の影響も分析した。
• 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 a theoretical analysis for the metrology quality of joint weak measurements (JWM), in close comparison with the weak-value-amplification (WVA) technique. We point out that the difference probability function employed in the JWM scheme cannot be used to calculate the uncertainty variance and Fisher information (FI). In order to carry out the metrological precision, we reformulate the problem in terms of difference-combined stochastic variables, which makes all calculations well defined. We reveal that, in general, the metrological precision of the JWM scheme cannot reach that indicated by the total FI, despite that all the readouts are collected without discarding. We also analyze the effect of technical noise, showing that the technical noise cannot be removed by the subtracting procedure, which yet can be utilized to outperform the conventional measurement, when considering the imaginary WV measurement.
• Abstract（参考訳）: 本稿では,弱値増幅法(weak-value-amplification, wva)手法と密接に比較して,jwm(joint weak measurement)のメトロロジー品質に関する理論的解析を行う。 我々は,jwm法で用いられる差分確率関数は,不確かさ分散とフィッシャー情報(fi)の計算に利用できないことを指摘した。 距離論的精度を達成するために、差分結合確率変数を用いて問題を再構成し、全ての計算を適切に定義する。 我々は、一般に、jwm スキームのメトロロジー的精度は、すべての読み出しが破棄されることなく収集されるにもかかわらず、合計 fi で示される値に到達できないことを明らかにした。 また,技術ノイズの影響を解析した結果,従来の測定値よりも高い精度で測定可能な減音法では,技術的ノイズを除去できないことが明らかとなった。

関連論文リスト

• A General Framework for Uncertainty Quantification via Neural SDE-RNN [0.3314882635954751]
  不確かさの定量化は、ディープラーニングにとって批判的だが未解決の課題である。 本稿では, 再帰型ニューラルネットワークとニューラルディファレンシャル方程式の原理を基礎として, 不規則なサンプル計測を再現する新しい枠組みを提案する。 IEEE 37バステストシステムを用いた実験により,我々のフレームワークは時系列データ計算における最先端の不確実性定量化手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-01T22:59:45Z)
• Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
  非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。 鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
  論文  参考訳（メタデータ） (2023-05-24T20:43:47Z)
• Learning the Distribution of Errors in Stereo Matching for Joint Disparity and Uncertainty Estimation [8.057006406834466]
  深部ステレオマッチングにおける関節不均一性と不確実性評価のための新しい損失関数を提案する。 提案手法の有効性を実験的に評価し,大規模データセット上での差分予測と不確実性予測の両面で有意な改善を観察した。
  論文  参考訳（メタデータ） (2023-03-31T21:58:19Z)
• Monotonicity and Double Descent in Uncertainty Estimation with Gaussian Processes [52.92110730286403]
  限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。 我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。 また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
  論文  参考訳（メタデータ） (2022-10-14T08:09:33Z)
• Better Uncertainty Quantification for Machine Translation Evaluation [17.36759906285316]
  我々は、新しい異種回帰、発散最小化、および直接不確実性予測目標を用いてCOMETメトリックを訓練する。 実験の結果、WMT20とWMT21のメトリクスタスクデータセットが改善され、計算コストが大幅に削減された。
  論文  参考訳（メタデータ） (2022-04-13T17:49:25Z)
• Non-Linear Spectral Dimensionality Reduction Under Uncertainty [107.01839211235583]
  我々は、不確実性情報を活用し、いくつかの従来のアプローチを直接拡張する、NGEUと呼ばれる新しい次元削減フレームワークを提案する。 提案したNGEUの定式化は,大域的な閉形式解を示し,Radecherの複雑性に基づいて,基礎となる不確実性がフレームワークの一般化能力に理論的にどのように影響するかを分析する。
  論文  参考訳（メタデータ） (2022-02-09T19:01:33Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• A Consistency-Based Loss for Deep Odometry Through Uncertainty Propagation [0.3359875577705538]
  各出力に対する不確実性は、最大極大設定で異なる損失項を重み付けすることができる。 本稿では,深度計測ネットワークの出力特性と不確かさを関連付け,各繰り返しを通じて不確かさを伝播する。 ポーズ推定の定量的かつ定性的な分析を行い,提案手法が最先端のビジュアルオドメトリー手法の精度を超えることを示す。
  論文  参考訳（メタデータ） (2021-07-01T11:09:20Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Verification of joint measurability using phase-space quasiprobability distributions [0.0]
  本稿では,位相空間準確率分布に基づく測定の関節測定性を検証する手法を提案する。 本結果は,非古典性の概念,すなわち準確率分布の負性と測定不整合性の2つの関係を確立する。
  論文  参考訳（メタデータ） (2020-12-12T16:21:36Z)
• Learning to Predict Error for MRI Reconstruction [67.76632988696943]
  提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。 本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T15:55:32Z)

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。