論文の概要: Blow-up Algorithm for Sum-of-Products Polynomials and Real Log Canonical Thresholds

• arxiv url: http://arxiv.org/abs/2303.11619v1
• Date: Tue, 21 Mar 2023 06:40:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 16:20:22.892944
• Title: Blow-up Algorithm for Sum-of-Products Polynomials and Real Log Canonical Thresholds
• Title（参考訳）: 積算多項式と実対数正準閾値のブラウアップアルゴリズム
• Authors: Joe Hirose
• Abstract要約: 紙は平均誤差関数を比較的単純な対数標準しきい値(RLCT)に置き換える RLCTは、ブローアップと呼ばれる操作によって特異性を解き放つことで得られる。 本稿では、積和(sop)と呼ばれる反復の爆破アルゴリズムについて考察する。
• 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: When considering a real log canonical threshold (RLCT) that gives a Bayesian generalization error, in general, papers replace a mean error function with a relatively simple polynomial whose RLCT corresponds to that of the mean error function, and obtain its RLCT by resolving its singularities through an algebraic operation called blow-up. Though it is known that the singularities of any polynomial can be resolved by a finite number of blow-up iterations, it is not clarified whether or not it is possible to resolve singularities of a specific polynomial by applying a specific blow-up algorithm. Therefore this paper considers the blow-up algorithm for the polynomials called sum-of-products (sop) polynomials and its RLCT.
• Abstract（参考訳）: ベイズ一般化誤差を与える実対数正準しきい値(RLCT)を考えると、一般に、RLCTが平均誤差関数に対応する比較的単純な多項式で平均誤差関数を置換し、その特異点をブローアップと呼ばれる代数演算によって解く。 任意の多項式の特異点を有限個のブローアップ反復によって解くことは知られているが、特定のブローアップアルゴリズムを適用することで特定の多項式の特異点を解くことができるかどうかは明確ではない。 そこで本研究では,積和(sop)多項式とそのRCCTと呼ばれる多項式の爆破アルゴリズムについて考察する。

関連論文リスト

• Complementary polynomials in quantum signal processing [0.0]
  与えられた$P$を実装するには、まず対応する補完的な$Q$を構築しなければならない。 この問題に対する既存のアプローチでは、明示的な誤り解析には適さない数値的手法が採用されている。 複素解析を用いた補体系に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-06T16:47:11Z)
• Tensor cumulants for statistical inference on invariant distributions [49.80012009682584]
  我々は,PCAが信号の大きさの臨界値で計算的に困難になることを示す。 我々は、与えられた次数の不変量に対して明示的でほぼ直交的な基底を与える新しい対象の集合を定義する。 また、異なるアンサンブルを区別する新しい問題も分析できます。
  論文  参考訳（メタデータ） (2024-04-29T14:33:24Z)
• The Complexity of Algebraic Algorithms for LWE [0.0]
  我々は、LWEシステム上でのGr"オブナー基底計算の複雑さを研究するために、Arora-Geモデルを再検討する。 我々は、Semaev & TentiのGr"obner基底アルゴリズムを有限の正則性を持つ任意の系に一般化する。
  論文  参考訳（メタデータ） (2024-02-12T17:59:26Z)
• Polynomial-Time Solutions for ReLU Network Training: A Complexity Classification via Max-Cut and Zonotopes [70.52097560486683]
  我々は、ReLUネットワークの近似の難しさがマックス・カッツ問題の複雑さを反映しているだけでなく、特定の場合において、それと完全に一致することを証明した。 特に、$epsilonleqsqrt84/83-1approx 0.006$とすると、目的値に関して相対誤差$epsilon$でReLUネットワーク対象の近似グローバルデータセットを見つけることはNPハードであることが示される。
  論文  参考訳（メタデータ） (2023-11-18T04:41:07Z)
• Active Learning-based Domain Adaptive Localized Polynomial Chaos Expansion [0.0]
  本稿では,入力ランダム空間の逐次分解と局所カオス展開の構成により,複雑な関数の代理モデルを構築する手法を提案する。 このアプローチは、入力ランダム空間を低次展開によって近似されたより小さなサブドメインに逐次分解する。
  論文  参考訳（メタデータ） (2023-01-31T13:49:52Z)
• An Exponential Separation Between Quantum Query Complexity and the Polynomial Degree [79.43134049617873]
  本稿では,部分関数に対する完全次数と近似量子クエリの指数関数的分離を実証する。 アルファベットのサイズについては、定値対分離の複雑さがある。
  論文  参考訳（メタデータ） (2023-01-22T22:08:28Z)
• Polynomial computational complexity of matrix elements of finite-rank-generated single-particle operators in products of finite bosonic states [0.0]
  A$ が有限ランク行列である行列の永久計算は行列サイズで多くの演算を必要とすることが知られている。 この結果は行列の恒常的な一般化に拡張する: 境界数のボソンを持つ多くの同一のボゾン状態の積の期待値である。
  論文  参考訳（メタデータ） (2022-10-20T20:09:28Z)
• Sum-of-Squares Relaxations for Information Theory and Variational Inference [0.0]
  シャノン相対エントロピーの拡張($f$-divergences)を考える。 これらの分岐を計算するための凸緩和列を導出する。 我々は、量子情報理論から発せられるスペクトル情報に基づいて、より効率的な緩和を提供する。
  論文  参考訳（メタデータ） (2022-06-27T13:22:40Z)
• Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
  観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。 我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
  論文  参考訳（メタデータ） (2021-10-12T02:21:30Z)
• On Function Approximation in Reinforcement Learning: Optimism in the Face of Large State Spaces [208.67848059021915]
  強化学習のコアにおける探索・探索トレードオフについて検討する。 特に、関数クラス $mathcalF$ の複雑さが関数の複雑さを特徴づけていることを証明する。 私たちの後悔の限界はエピソードの数とは無関係です。
  論文  参考訳（メタデータ） (2020-11-09T18:32:22Z)
• SURF: A Simple, Universal, Robust, Fast Distribution Learning Algorithm [64.13217062232874]
  SURFは分布を断片的に近似するアルゴリズムである。 実験では最先端のアルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2020-02-22T01:03:33Z)

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。