論文の概要: Characteristic Function of the Tsallis $q$-Gaussian and Its Applications
in Measurement and Metrology
- arxiv url: http://arxiv.org/abs/2303.08615v1
- Date: Wed, 15 Mar 2023 13:42:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 18:06:32.948835
- Title: Characteristic Function of the Tsallis $q$-Gaussian and Its Applications
in Measurement and Metrology
- Title(参考訳): tsallis $q$-gaussianの特性関数とその計測・計測への応用
- Authors: Viktor Witkovsk\'y
- Abstract要約: ツァリス$q$-ガウス分布は標準ガウス分布の強力な一般化である。
これは$q$-distributionファミリーに属し、非付加エントロピーによって特徴づけられる。
本稿では,独立な$q$-ガウス確率変数の線形結合の特性について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Tsallis $q$-Gaussian distribution is a powerful generalization of the
standard Gaussian distribution and is commonly used in various fields,
including non-extensive statistical mechanics, financial markets, and image
processing. It belongs to the $q$-distribution family, which is characterized
by a non-additive entropy. Due to their versatility and practicality,
$q$-Gaussians are a natural choice for modeling input quantities in measurement
models. This paper presents the characteristic function of a linear combination
of independent $q$-Gaussian random variables and proposes a numerical method
for its inversion. The proposed technique enables the assessment of the
probability distribution of output quantities in linear measurement models and
the conduct of uncertainty analysis in metrology.
- Abstract(参考訳): tsallis $q$-gaussian 分布は標準ガウス分布の強力な一般化であり、非拡張的な統計力学、金融市場、画像処理など様々な分野で広く使われている。
これは$q$-distributionファミリーに属し、非付加エントロピーによって特徴づけられる。
汎用性と実用性のため、$q$-Gaussian は測定モデルの入力量をモデル化するための自然な選択である。
本稿では,独立な$q$-Gauss的確率変数の線形結合の特性関数を提案し,その逆解析法を提案する。
提案手法は,線形計測モデルにおける出力量の確率分布と,計測における不確実性解析の実施を可能にする。
関連論文リスト
- Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。
これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
論文 参考訳(メタデータ) (2024-03-03T04:21:21Z) - Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳(メタデータ) (2024-02-15T08:51:49Z) - Dynamical System Identification, Model Selection and Model Uncertainty
Quantification by Bayesian Inference [0.8999666725996975]
2つのアルゴリズム(JMAP)と変分ベイズ近似(VBA)を比較した。
多変量ガウス確率とそれ以前の分布に対して、ベイジアン定式化はガウス後続分布と証拠分布を与える。
後ガウスノルムは、量的モデル選択のための堅牢な計量を提供する。
論文 参考訳(メタデータ) (2024-01-30T12:16:52Z) - Generating random Gaussian states [0.4604003661048266]
RQCMの固有値は、多数のモードの極限においてシフト半円分布に収束することを示す。
RQCMのシンプレクティック固有値は、自由確率を用いて特徴づけられる確率分布に収束することを示す。
論文 参考訳(メタデータ) (2024-01-24T13:06:57Z) - A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
本稿では,確率変数の尾を解析するための体系的アプローチを提案する。
本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。
実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
論文 参考訳(メタデータ) (2023-06-15T16:37:36Z) - Bayesian Non-linear Latent Variable Modeling via Random Fourier Features [7.856578780790166]
一般化非線形潜在変数モデリングのためのマルコフ連鎖モンテカルロ推定法を提案する。
推論 forVM は、データ可能性がガウス的である場合にのみ、計算的に抽出可能である。
ポアソン, 負二項分布, 多項分布などの非ガウス観測にVMを一般化できることが示される。
論文 参考訳(メタデータ) (2023-06-14T08:42:10Z) - Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
観測結果からサンプリング分布を学習する4つの方法を提案する。
実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
論文 参考訳(メタデータ) (2023-02-02T15:50:21Z) - Bayesian Inference for the Multinomial Probit Model under Gaussian Prior
Distribution [0.0]
マルチノミカル・プロビット(mnp)モデルは分類データに対する基本的かつ広く適用された回帰モデルである。
Fasano and Durante (2022) は、統一スキュー正規分布のクラスが複数のmnpサンプリングモデルに共役であることを証明した。
結果は、ゼロ平均と独立ガウス事前の下での離散選択 mnp モデルという、一般的な特殊ケースに適応する。
論文 参考訳(メタデータ) (2022-06-01T19:10:41Z) - Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。
変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文 参考訳(メタデータ) (2022-04-20T21:25:21Z) - A method to integrate and classify normal distributions [0.0]
我々は、任意のパラメータを持つ任意の次元における正規の任意の領域の確率を提供する結果とオープンソースソフトウェアを提示する。
自然界における物体の隠蔽やカモフラージュの検出といった視覚研究の応用を応用して,これらのツールを実証する。
論文 参考訳(メタデータ) (2020-12-23T05:45:41Z) - Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。
この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。
条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文 参考訳(メタデータ) (2020-11-08T17:09:37Z)
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。