論文の概要: Conflict-free joint sampling for preference satisfaction through quantum
interference
- arxiv url: http://arxiv.org/abs/2208.03082v1
- Date: Fri, 5 Aug 2022 10:38:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-08 13:11:31.879095
- Title: Conflict-free joint sampling for preference satisfaction through quantum
interference
- Title(参考訳): 量子干渉による嗜好満足のためのコンフリクトフリージョイントサンプリング
- Authors: Hiroaki Shinkawa, Nicolas Chauvet, Andr\'e R\"ohm, Takatomo Mihana,
Ryoichi Horisaki, Guillaume Bachelier and Makoto Naruse
- Abstract要約: 最適共同意思決定法には2つの問題がある。
まず、選択数が増えるにつれて、最適な関節選択確率行列を計算する計算コストが爆発する。
第二に、最適な関節選択確率行列を導出するためには、全てのプレイヤーが確率的嗜好を開示しなければならない。
- 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: Collective decision-making is vital for recent information and communications
technologies. In our previous research, we mathematically derived conflict-free
joint decision-making that optimally satisfies players' probabilistic
preference profiles. However, two problems exist regarding the optimal joint
decision-making method. First, as the number of choices increases, the
computational cost of calculating the optimal joint selection probability
matrix explodes. Second, to derive the optimal joint selection probability
matrix, all players must disclose their probabilistic preferences. Now, it is
noteworthy that explicit calculation of the joint probability distribution is
not necessarily needed; what is necessary for collective decisions is sampling.
This study examines several sampling methods that converge to heuristic joint
selection probability matrices that satisfy players' preferences. We show that
they can significantly reduce the above problems of computational cost and
confidentiality. We analyze the probability distribution each of the sampling
methods converges to, as well as the computational cost required and the
confidentiality secured. In particular, we introduce two conflict-free joint
sampling methods through quantum interference of photons. The first system
allows the players to hide their choices while satisfying the players'
preferences almost perfectly when they have the same preferences. The second
system, where the physical nature of light replaces the expensive computational
cost, also conceals their choices under the assumption that they have a trusted
third party.
- Abstract(参考訳): 最近の情報通信技術では集団意思決定が不可欠である。
これまでの研究では,プレイヤーの確率的嗜好プロファイルを最適に満足するコンフリクトフリーな共同意思決定を数学的に導出した。
しかし, 最適共同決定法には2つの問題がある。
まず、選択数が増えるにつれて、最適な結合選択確率行列を計算する計算コストが爆発する。
第二に、最適なジョイント選択確率行列を導出するために、すべてのプレイヤーは確率的選好を開示しなければならない。
現在、共同確率分布の明示的な計算は必ずしも必要ではなく、集団的決定に必要なものはサンプリングである。
本研究では,プレイヤーの嗜好を満たすヒューリスティックな関節選択確率行列に収束するいくつかのサンプリング手法について検討した。
計算コストと機密性に関する上記の問題を大幅に削減できることを示す。
我々は,各サンプリング手法が収束する確率分布と,必要な計算コストと機密性の確保について分析する。
特に,光子の量子干渉による2つのコンフリクトフリージョイントサンプリング手法を導入する。
第1のシステムは、プレイヤーが同じ好みを持つ場合、プレイヤーの好みをほぼ完璧に満たしながら、プレイヤーが選択を隠せるようにする。
光の物理的性質が高価な計算コストに取って代わる第2のシステムは、信頼できる第三者がいるという前提のもと、選択を隠蔽する。
関連論文リスト
- Calibrated Multi-Preference Optimization for Aligning Diffusion Models [92.90660301195396]
Calibrated Preference Optimization (CaPO) は、テキスト・ツー・イメージ(T2I)拡散モデルを調整する新しい手法である。
CaPOは、人間の注釈のない複数の報酬モデルからの一般的な好みを取り入れている。
実験結果から, CaPOは従来法よりも常に優れていたことが示唆された。
論文 参考訳(メタデータ) (2025-02-04T18:59:23Z) - Eliciting Kemeny Rankings [6.971011179091351]
ケメニーランキングの近似境界は、推定勝利確率に対する信頼区間に依存する。
我々は、ルックアヘッドを用いた複数の適応サンプリング手法を定式化し、どれだけの信頼区間を厳格化できるかを推定する。
論文 参考訳(メタデータ) (2023-12-18T19:14:42Z) - Optimal Multi-Distribution Learning [88.3008613028333]
マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。
本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-08T16:06:29Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Dual-Directed Algorithm Design for Efficient Pure Exploration [9.728332815218181]
有限組の代替品を用いた逐次適応実験の文脈における純粋探索問題を考える。
固定予算, 固定信頼度, 後収束率設定に対する最大最適化問題として問題複雑性尺度を定式化する。
我々のアルゴリズムは、$varepsilon$-best-armの識別(または、良好な選択保証の確率でランク付けと選択)としきい値の帯域幅で最適性を得る。
論文 参考訳(メタデータ) (2023-10-30T07:29:17Z) - Online POMDP Planning with Anytime Deterministic Guarantees [11.157761902108692]
不確実性の下での計画は、部分的に観測可能なマルコフ決定プロセス(POMDP)を用いて数学的に定式化できる
POMDPの最適計画を見つけるには計算コストがかかり、小さなタスクにのみ適用可能である。
簡便な解と理論的に最適な解との決定論的関係を導出する。
論文 参考訳(メタデータ) (2023-10-03T04:40:38Z) - Bi-objective Ranking and Selection Using Stochastic Kriging [0.0]
両目的のランク付けと選択の問題について検討し,その2つの目的が不確実性をもって観測された。
そこで本研究では,競合する解に対して逐次サンプルを割り当てるバイーシアン双対象ランクと選別法を提案する。
実験結果から,提案手法は標準的なアロケーション手法よりも優れており,また,よく知られた最先端のアルゴリズムも優れていることがわかった。
論文 参考訳(メタデータ) (2022-09-05T23:51:07Z) - Probabilistic Control and Majorization of Optimal Control [3.2634122554914002]
確率論的制御設計は、有理エージェントが任意の所望の閉ループ系軌道密度をモデル化しようとする原理に基づいている。
本研究では、所望の閉ループ挙動の代替パラメトリゼーションを導入し、密度間の代替近接測度を探索する。
論文 参考訳(メタデータ) (2022-05-06T15:04:12Z) - Calibrating Predictions to Decisions: A Novel Approach to Multi-Class
Calibration [118.26862029820447]
我々は、下流の意思決定者に対して、予測された分布と真の分布を区別不能にする必要がある新しい概念、即時校正を導入します。
決定キャリブレーションは、皮膚病変の判定と、現代のニューラルネットワークを用いたImageNet分類を改善する。
論文 参考訳(メタデータ) (2021-07-12T20:17:28Z) - Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
マルコフ決定過程における純粋探索問題について検討する。
エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
論文 参考訳(メタデータ) (2021-06-05T09:16:28Z) - Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。
本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。
ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
論文 参考訳(メタデータ) (2020-06-11T19:40:38Z)
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。