Fugu-MT 論文翻訳(概要): Repeatable Random Permutation Set

論文の概要: Repeatable Random Permutation Set

arxiv url: http://arxiv.org/abs/2211.01676v2
Date: Fri, 4 Nov 2022 13:18:22 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 13:30:19.715009
Title: Repeatable Random Permutation Set
Title（参考訳）: 繰り返し可能なランダム置換集合
Authors: Wenran Yang and Yong Deng
Abstract要約: アイテムの繰り返しを考慮したランダムな置換集合(rm R2PS$)を提案する。これらの特性に基づいて、決定支援システムアプリケーションをシミュレートして、$rm R2PS$の有効性を示す。
参考スコア（独自算出の注目度）: 9.327920030279586
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Random permutation set (RPS), as a recently proposed theory, enables powerful information representation by traversing all possible permutations. However, the repetition of items is not allowed in RPS while it is quite common in real life. To address this issue, we propose repeatable random permutation set ($\rm R^2PS$) which takes the repetition of items into consideration. The right and left junctional sum combination rules are proposed and their properties including consistency, pseudo-Matthew effect and associativity are researched. Based on these properties, a decision support system application is simulated to show the effectiveness of $\rm R^2PS$.
Abstract（参考訳）: 最近提案されたRandom Permutation Set (RPS) は、可能なすべての置換をトラバースすることで、強力な情報表現を可能にする。しかし、実生活では極めて一般的であるが、RSSではアイテムの反復は許されない。この問題に対処するために、アイテムの反復を考慮した繰り返し乱数置換セット(\rm R^2PS$)を提案する。左右の接合和の組合せ規則を提案し, 一貫性, 擬似マット効果, 結合性などの特性について検討した。これらの特性に基づいて、決定支援システムアプリケーションをシミュレートし、$\rm R^2PS$の有効性を示す。

関連論文リスト

Permutation Superposition Oracles for Quantum Query Lower Bounds [14.957648729581502]
入力-出力ペアの述語に対するアルゴリズムの成功確率を、結果のオラクルシミュレーションを用いてバウンドする方法を示す。本研究では, 1ラウンドスポンジ構成がランダムな置換モデルに対して無条件に事前画像に抵抗可能であることを示す。
論文参考訳（メタデータ） (2024-07-12T19:27:13Z)
Efficient unitary designs and pseudorandom unitaries from permutations [35.66857288673615]
実測値の最初の2Omega(n)$モーメントと無作為位相によるS(N)$置換の指数和が一致することを示す。我々の証明の核心は、ランダム行列理論における大次元(大きな=N$)展開と方法の間の概念的接続である。
論文参考訳（メタデータ） (2024-04-25T17:08:34Z)
Simple constructions of linear-depth t-designs and pseudorandom unitaries [40.72668922727092]
一様ランダムなユニタリ、すなわちハール測度から引き出されたユニタリは、多くの有用な性質を持つが、効率的に実装することはできない。 $t-設計はハール測度の最初の$tモーメントを再現するランダムユニタリーであり、擬ランダムユニタリー(PRU)はハール測度と計算的に区別できないランダムユニタリーである。
論文参考訳（メタデータ） (2024-04-19T06:13:02Z)
Pseudorandom unitaries with non-adaptive security [43.15464425520681]
本稿では、ランダムなクリフォードユニタリ、擬似乱数二相演算子、擬似乱数置換演算子の結合であるPRU構成を提案する。このPRU構造は、量子セキュア片方向関数の存在を前提として、非適応微分器に対して安全であることを示す。
論文参考訳（メタデータ） (2024-02-22T18:56:37Z)
Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
論文参考訳（メタデータ） (2023-12-13T11:08:25Z)
Sampled Transformer for Point Sets [80.66097006145999]
スパース変換器は、連続列列列関数の普遍近似器でありながら、自己アテンション層の計算複雑性を$O(n)$に下げることができる。我々は、追加の帰納バイアスを伴わずに点集合要素を直接処理できる$O(n)$複雑性サンプリング変換器を提案する。
論文参考訳（メタデータ） (2023-02-28T06:38:05Z)
Probabilistic Permutation Graph Search: Black-Box Optimization for Fairness in Ranking [53.94413894017409]
本稿では、置換グラフの概念に基づいて、置換分布を表現する新しい方法を提案する。 PLと同様に、PPGと呼ばれる分布表現は、公正性のブラックボックス最適化に利用できる。
論文参考訳（メタデータ） (2022-04-28T20:38:34Z)
Sparse Quadratic Optimisation over the Stiefel Manifold with Application to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-09-30T19:17:35Z)
Batch Bayesian Optimization on Permutations using Acquisition Weighted Kernels [86.11176756341114]
決定点プロセスに基づく新しい効率的なバッチ取得方法であるLAWを紹介します。本研究では,理論特性の知見を得るための後悔分析法を提案する。二次代入などの置換を含むいくつかの標準問題に対する手法を評価する。
論文参考訳（メタデータ） (2021-02-26T10:15:57Z)
Regularizing Towards Permutation Invariance in Recurrent Models [26.36835670113303]
我々は、RNNが置換不変性に対して規則化可能であることを示し、その結果、コンパクトモデルが得られることを示した。既存のソリューションは、主に、設計によって不変な置換性を持つ仮説クラスに学習問題を限定することを提案している。提案手法は,合成および実世界のデータセットにおける他の置換不変手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-10-25T07:46:51Z)
SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
論文参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。