論文の概要: Power spectra and auto-covariances of level spacings beyond the Dyson
conjecture
- arxiv url: http://arxiv.org/abs/2301.09441v1
- Date: Mon, 23 Jan 2023 14:03:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 13:35:57.352463
- Title: Power spectra and auto-covariances of level spacings beyond the Dyson
conjecture
- Title（参考訳）: ダイソン予想を超えたレベル間隔のパワースペクトルと自己共分散
- Authors: Roman Riser, Peng Tian, and Eugene Kanzieper
- Abstract要約: F. Dyson は、無限次元のランダム行列の展開スペクトルにおける遠方の固有レベルの自動共分散は、パワー-ロー崩壊を示すであろうと推測した。
我々は、レベル間隔の自己共分散とパワースペクトルの正確なリンクを確立し、それが5番目のPainlevの超越項の表現を許容していることを示す。
- 参考スコア（独自算出の注目度）: 1.471992435706872
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduced in the early days of random matrix theory, the auto-covariances
$\delta I^j_k={\rm cov}(s_j, s_{j+k})$ of level spacings $\{s_j\}$ accommodate
a detailed information on correlations between individual eigenlevels. It was
first conjectured by F. Dyson that the auto-covariances of distant eigenlevels
in the unfolded spectra of infinite-dimensional random matrices should exhibit
a power-law decay $\delta I^j_k\approx -1/\beta\pi^2k^2$, where $\beta$ is the
symmetry index. In this paper, we establish an exact link between the
auto-covariances of level spacings and their power spectrum, and show that it
admits a representation in terms of a fifth Painlev\'e transcendent. This
result is further exploited to determine an asymptotic expansion for
auto-covariances that reproduces the Dyson formula as well as provides the
sub-leading corrections to it. High-precision numerical simulations lend
independent support to our results.
- Abstract（参考訳）: ランダム行列理論の初期に導入され、自己共変$\delta I^j_k={\rm cov}(s_j, s_{j+k})$のレベル間隔$\{s_j\}$は個々の固有レベル間の相関関係に関する詳細な情報を満たす。
F. Dyson が最初に予想したのは、無限次元のランダム行列の展開スペクトルにおける遠方の固有レベルの自己共分散は、$\delta I^j_k\approx -1/\beta\pi^2k^2$で、$\beta$ は対称性指数である。
本稿では,レベル間隔の自己共分散とパワースペクトルとの正確な関係を確立し,第5のPainlev\'e超越項の表現が認められることを示す。
この結果はさらに、ダイソンの公式を再現する自己共分散の漸近展開を決定するために利用され、それに対する副リード補正を提供する。
高精度数値シミュレーションは, 実験結果を独立に支援する。
関連論文リスト
- Re-Analyze Gauss: Bounds for Private Matrix Approximation via Dyson
Brownian Motion [28.431572772564518]
対称行列 $M$ とベクトル $lambda$ が与えられたとき、行列によって$M$ を近似するガウス機構のフロベニウス距離ユーティリティ上の新しい境界を示す。
私たちのバウンダリは、$lambda$と$M$の固有値のギャップの両方に依存します。
論文 参考訳（メタデータ） (2022-11-11T18:54:01Z) - Near-optimal fitting of ellipsoids to random points [67.62812060787546]
独立標準ガウス点が与えられたとき、すべての点を同時に通過する原点対称楕円体が高い確率で$(n, d)$の値が存在するだろうか?
楕円体をランダムな点に合わせるというこの基本的な問題は、低ランク行列分解、独立成分分析、主成分分析に関係している。
この証明は、ある非標準確率行列の固有ベクトルと固有値の注意深い解析を用いて、サンダーソン等最小二乗構成の実現可能性を示す。
論文 参考訳（メタデータ） (2022-08-19T18:00:34Z) - Bi-stochastically normalized graph Laplacian: convergence to manifold
Laplacian and robustness to outlier noise [8.271859911016719]
双構造正規化グラフ Laplacian to manifold (weighted-)Laplacian は Sinkhorn-Knopp (SK) の反復によって効率的に計算できる。
多様体データが外乱ノイズによって破壊されるとき、理論的にはラプラシア点の整合性を証明する。
論文 参考訳（メタデータ） (2022-06-22T21:08:24Z) - An Improved Analysis of Gradient Tracking for Decentralized Machine
Learning [34.144764431505486]
トレーニングデータが$n$エージェントに分散されるネットワーク上での分散機械学習を検討する。
エージェントの共通の目標は、すべての局所損失関数の平均を最小化するモデルを見つけることである。
ノイズのない場合、$p$を$mathcalO(p-1)$から$mathcalO(p-1)$に改善します。
論文 参考訳（メタデータ） (2022-02-08T12:58:14Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳（メタデータ） (2021-09-24T14:48:20Z) - Spectral properties of sample covariance matrices arising from random
matrices with independent non identically distributed columns [50.053491972003656]
関数 $texttr(AR(z))$, for $R(z) = (frac1nXXT- zI_p)-1$ and $Ain mathcal M_p$ deterministic, have a standard deviation of order $O(|A|_* / sqrt n)$.
ここでは、$|mathbb E[R(z)] - tilde R(z)|_F を示す。
論文 参考訳（メタデータ） (2021-09-06T14:21:43Z) - Analysis of One-Hidden-Layer Neural Networks via the Resolvent Method [0.0]
ランダムニューラルネットワークによって動機づけられた確率行列 $M = Y Yast$ と $Y = f(WX)$ を考える。
制限スペクトル分布のStieltjes変換は、いくつかの誤差項まで準自己整合方程式を満たすことを証明している。
さらに、前回の結果を加法バイアス $Y=f(WX+B)$ の場合に拡張し、$B$ は独立なランク1のガウス確率行列である。
論文 参考訳（メタデータ） (2021-05-11T15:17:39Z) - Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。
我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-09-30T19:10:32Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳（メタデータ） (2020-06-12T10:21:40Z) - On Linear Stochastic Approximation: Fine-grained Polyak-Ruppert and
Non-Asymptotic Concentration [115.1954841020189]
The inequality and non-asymptotic properties of approximation procedure with Polyak-Ruppert averaging。
一定のステップサイズと無限大となる反復数を持つ平均的反復数に対する中心極限定理(CLT)を証明する。
論文 参考訳（メタデータ） (2020-04-09T17:54:18Z) - Asymptotic errors for convex penalized linear regression beyond Gaussian
matrices [23.15629681360836]
雑音線形観測から係数ベクトル$x_0$ in$RN$を学習する問題を考察する。
平均二乗誤差に対する明示的な式を厳密に導出する。
我々の予測は、非常に適度なサイズであっても、数値と非常によく一致していることを示す。
論文 参考訳（メタデータ） (2020-02-11T13:43:32Z)
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。