論文の概要: Quantifying optical rogue waves
- arxiv url: http://arxiv.org/abs/2303.04615v1
- Date: Tue, 7 Mar 2023 12:48:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 13:48:11.495328
- Title: Quantifying optical rogue waves
- Title（参考訳）: 光ローグ波の定量化
- Authors: Eva R\'acz, Kirill Spasibko, Mathieu Manceau, L\'aszl\'o Ruppert,
Maria V. Chekhova, Radim Filip
- Abstract要約: 本研究は, 単一モードファイバで発生する超大陸で観測される光ローグ波の分布に関する指数を推定するための2つの異なるアプローチを示す。
- 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: This work presents two distinct approaches to estimating the exponent related
to the distribution of optical rogue waves observed in supercontinuum generated
in a single-mode fiber, that is, to quantifying the rogueness. The first is a
generalization of the well-known Hill estimator, and the second relies on
estimating all parameters of a multi-parameter model. We show that the model
shows a good correspondence with experimental data, and that the two estimating
approaches provide consistent results, which are significantly more accurate
than those obtained with earlier methods of estimation. Furthermore,
alternative visualization through the tail function revealed the presence of
pump depletion as well as detector saturation leading to the breakdown of
power-law behavior for the largest observations. We characterized this
breakdown via a combination of an exponential and a generalized Pareto
distribution. Additionally, we have uncovered a weak memory effect in the data,
which can be attributed to changes of the refractive index in the single-mode
fiber.
- Abstract（参考訳）: 本研究は、単一モードファイバで発生した超連続体で観測される光ローグ波の分布に関する指数を推定し、ローグネスを定量化する2つの異なるアプローチを示す。
1つは有名なヒル推定器の一般化であり、2つ目は多パラメータモデルの全てのパラメータを推定することに依存する。
このモデルでは, 実験データと良好な対応性を示し, 2つの推定手法が, 従来の推定手法よりもはるかに精度の高い一貫した結果をもたらすことを示した。
さらに, テール関数による代替可視化により, ポンプの枯渇や, 最大観測値に対するパワーロー挙動の崩壊につながる検出器飽和の存在が明らかになった。
この分解を指数関数分布と一般化パレート分布の組み合わせによって特徴づけた。
さらに,シングルモードファイバの屈折率の変化に起因するデータに弱いメモリ効果があることが判明した。
関連論文リスト
- Parameter Inference via Differentiable Diffusion Bridge Importance Sampling [1.747623282473278]
本研究では,高次元非線形拡散過程においてパラメータ推論を行う手法を提案する。
本研究は、祖先の状態復元を含む種間の進化と関係に関する知見を得るために、その適用性について述べる。
この, 数値的に安定な, スコアマッチングに基づくパラメータ推定フレームワークを, 生物学的2次元および3次元形態計測データ上で提示し, 実証した。
論文 参考訳（メタデータ） (2024-11-13T19:33:47Z) - Variational Bayes Decomposition for Inverse Estimation with Superimposed Multispectral Intensity [0.4499833362998487]
データは、オブジェクトの観測不能な特徴に関する情報を得るために人気がある。
提案手法は, 粒子が波動を表現することを仮定し, その挙動をモデル化する。
データはスムーズな設定のためノイズがあっても、推測は正確である。
論文 参考訳（メタデータ） (2024-10-29T02:48:21Z) - On diffusion-based generative models and their error bounds: The log-concave case with full convergence estimates [5.13323375365494]
我々は,強い対数対数データの下での拡散に基づく生成モデルの収束挙動を理論的に保証する。
スコア推定に使用される関数のクラスは、スコア関数上のリプシッツネスの仮定を避けるために、リプシッツ連続関数からなる。
この手法はサンプリングアルゴリズムにおいて最もよく知られた収束率をもたらす。
論文 参考訳（メタデータ） (2023-11-22T18:40:45Z) - A U-turn on Double Descent: Rethinking Parameter Counting in Statistical
Learning [68.76846801719095]
二重降下がいつどこで起こるのかを正確に示し、その位置が本質的に閾値 p=n に結び付けられていないことを示す。
これは二重降下と統計的直観の間の緊張を解消する。
論文 参考訳（メタデータ） (2023-10-29T12:05:39Z) - A Bayesian sparse factor model with adaptive posterior concentration [3.1905745371064484]
本研究では,高次元スパース因子モデルに対する新しいベイズ推定法を提案する。
新規性は、空間レベルと因子次元の間の一定の依存性を導入することである。
後部分布が真の因子次元に集中していることが示される。
論文 参考訳（メタデータ） (2023-05-29T12:41:32Z) - Loss function based second-order Jensen inequality and its application
to particle variational inference [112.58907653042317]
粒子変分推論(PVI)は、後部分布の実験的近似としてモデルのアンサンブルを用いる。
PVIは、最適化されたモデルの多様性を保証するために、各モデルを反発力で反復的に更新する。
我々は,新たな一般化誤差を導出し,モデルの多様性を高めて低減できることを示す。
論文 参考訳（メタデータ） (2021-06-09T12:13:51Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Learning Disentangled Representations with Latent Variation
Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。
逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。
本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文 参考訳（メタデータ） (2020-07-25T08:54:26Z) - Path Sample-Analytic Gradient Estimators for Stochastic Binary Networks [78.76880041670904]
二進的アクティベーションや二進的重みを持つニューラルネットワークでは、勾配降下によるトレーニングは複雑である。
そこで本研究では,サンプリングと解析近似を併用した新しい推定法を提案する。
勾配推定において高い精度を示し、深部畳み込みモデルにおいてより安定かつ優れた訓練を行うことを示す。
論文 参考訳（メタデータ） (2020-06-04T21:51:21Z) - Estimating Treatment Effects with Observed Confounders and Mediators [25.338901482522648]
因果グラフが与えられた場合、do-calculusは経験的に推定できる観察関節分布の関数として治療効果を表現することができる。
時折、do-calculusは複数の有効な公式を識別し、対応する推定器の統計特性を比較するように促す。
本稿では,共同創設者と仲介者の両方が観察される過度に同定されたシナリオについて検討し,両推定手法の有効性を検証した。
論文 参考訳（メタデータ） (2020-03-26T15:50:25Z) - Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。
また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
論文 参考訳（メタデータ） (2020-02-20T15:13:27Z)
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。