Fugu-MT 論文翻訳(概要): Deep Conditional Measure Quantization

論文の概要: Deep Conditional Measure Quantization

arxiv url: http://arxiv.org/abs/2301.06907v1
Date: Tue, 17 Jan 2023 14:18:17 GMT
ステータス: 処理完了
システム内更新日: 2023-01-18 14:02:10.618694
Title: Deep Conditional Measure Quantization
Title（参考訳）: 深部測定量子化
Authors: Gabriel Turinici
Abstract要約: 本稿では,より深いニューラルネットワークアーキテクチャとハマーエネルギーのカーネルベースアプローチを併用したDCMQという手法を提案する。この方法はいくつかの例でテストされ、有望な結果が得られる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The quantization of a (probability) measure is replacing it by a sum of Dirac masses that is close enough to it (in some metric space of probability measures). Various methods exists to do so, but the situation of quantizing a conditional law has been less explored. We propose a method, called DCMQ, involving a Huber-energy kernel-based approach coupled with a deep neural network architecture. The method is tested on several examples and obtains promising results.
Abstract（参考訳）: 確率測度の量子化は、それを(ある確率測度の計量空間において)十分に近いディラック質量の和に置き換えることである。様々な方法が存在するが、条件付き法則の定量化の状況は調査されていない。本稿では,深層ニューラルネットワークアーキテクチャと組み合わされたフーバーエネルギーカーネルベースアプローチを用いたdcmqと呼ばれる手法を提案する。この方法はいくつかの例でテストされ、有望な結果が得られる。

関連論文リスト

A sparse PAC-Bayesian approach for high-dimensional quantile prediction [0.0]
本稿では,高次元量子化予測のための確率論的機械学習手法を提案する。擬似ベイズ的フレームワークとスケールした学生tとランゲヴィン・モンテカルロを併用して効率的な計算を行う。その効果はシミュレーションや実世界のデータを通じて検証され、そこでは確立された頻繁な手法やベイズ的手法と競合する。
論文参考訳（メタデータ） (2024-09-03T08:01:01Z)
On Policy Evaluation Algorithms in Distributional Reinforcement Learning [0.0]
分散強化学習(DRL)による政策評価問題における未知の回帰分布を効率的に近似する新しいアルゴリズムのクラスを導入する。提案したアルゴリズムの単純な例では、ワッサーシュタインとコルモゴロフ-スミルノフ距離の両方において誤差境界を証明する。確率密度関数を持つ戻り分布の場合、アルゴリズムはこれらの密度を近似し、誤差境界は上限ノルム内で与えられる。
論文参考訳（メタデータ） (2024-07-19T10:06:01Z)
Robust Multi-Modal Density Estimation [14.643918024937758]
ROME (RObust Multi-modal Estimator) は密度推定のための非パラメトリック手法である。我々は,ROMEが他の推定者によって提示される過度な適合や過度なスムース化の問題を克服できることを示した。
論文参考訳（メタデータ） (2024-01-19T09:10:58Z)
Quantum metrology in the finite-sample regime [0.6299766708197883]
量子気象学において、未知のパラメータを推定する最終的な精度は、しばしばクラムエル・ラオ境界で記述される。本稿では,所定の精度で推定値を得る確率でプロトコルの品質を定量化することを提案する。
論文参考訳（メタデータ） (2023-07-12T18:00:04Z)
Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
論文参考訳（メタデータ） (2021-07-08T15:35:54Z)
Device-independent lower bounds on the conditional von Neumann entropy [10.2138250640885]
量子プロトコルのレートの低い境界を計算する数値計算法を提案する。従来の数値手法よりも大幅に改善されている。この方法はエントロピー累積定理と互換性がある。
論文参考訳（メタデータ） (2021-06-25T15:24:12Z)
Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文参考訳（メタデータ） (2020-11-05T08:04:34Z)
Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
論文参考訳（メタデータ） (2020-08-12T11:30:23Z)
Lower bounds in multiple testing: A framework based on derandomized proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文参考訳（メタデータ） (2020-05-07T19:59:51Z)
Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
論文参考訳（メタデータ） (2020-01-15T23:10:13Z)
Direct estimation of quantum coherence by collective measurements [54.97898890263183]
量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
論文参考訳（メタデータ） (2020-01-06T03:50:42Z)

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。