論文の概要: The Mutual Information In The Vicinity of Capacity-Achieving Input Distributions
- arxiv url: http://arxiv.org/abs/2304.14219v4
- Date: Fri, 6 Sep 2024 12:29:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 21:18:57.309959
- Title: The Mutual Information In The Vicinity of Capacity-Achieving Input Distributions
- Title(参考訳): 入力分布のキャパシティを生かした相互情報
- Authors: Barış Nakiboğlu, Hao-Chung Cheng,
- Abstract要約: 距離が$Pi_mathcalA$までの相互情報の最も遅い減少の正確な特徴は、$Pi_mathcalA$の小さな地区で決定される。
古典量子チャネルの結果は、二次境界に対して分離出力ヒルベルト空間仮定と、正確な特徴づけのために有限次元出力ヒルベルト空間仮定の下で確立される。
- 参考スコア(独自算出の注目度): 6.675805308519987
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The mutual information is bounded from above by a decreasing affine function of the square of the distance between the input distribution and the set of all capacity-achieving input distributions $\Pi_{\mathcal{A}}$, on small enough neighborhoods of $\Pi_{\mathcal{A}}$, using an identity due to Tops{\o}e and the Pinsker's inequality, assuming that the input set of the channel is finite and the constraint set $\mathcal{A}$ is polyhedral, i.e., can be described by (possibly multiple but) finitely many linear constraints. Counterexamples demonstrating nonexistence of such a quadratic bound are provided for the case of infinitely many linear constraints and the case of infinite input sets. Using Taylor's theorem with the remainder term, rather than the Pinsker's inequality and invoking Moreau's decomposition theorem the exact characterization of the slowest decrease of the mutual information with the distance to $\Pi_{\mathcal{A}}$ is determined on small neighborhoods of $\Pi_{\mathcal{A}}$. Corresponding results for classical-quantum channels are established under separable output Hilbert space assumption for the quadratic bound and under finite-dimensional output Hilbert space assumption for the exact characterization. Implications of these observations for the channel coding problem and applications of the proof techniques to related problems are discussed.
- Abstract(参考訳): 相互情報は、入力分布と全てのキャパシティ完備な入力分布の集合である距離の正方形のアフィン関数$\Pi_{\mathcal{A}}$、Tops{\o}e と Pinskerの不等式による同一性を使い、チャネルの入力集合が有限であり、制約集合 $\mathcal{A}$ が多面体であること、すなわち、有限個の線形制約によって記述できる。
そのような二次境界の非存在を示す反例は、無限に多くの線形制約と無限の入力集合の場合に与えられる。
ピンスカーの不等式よりもテイラーの定理を使い、モローの分解定理を呼び起こし、距離$\Pi_{\mathcal{A}}$までの相互情報の最も遅い減少の正確な特徴づけは、$\Pi_{\mathcal{A}}$の小さな近傍で決定される。
古典量子チャネルの対応する結果は、2次有界のヒルベルト空間仮定と、その正確な特徴づけに対する有限次元のヒルベルト空間仮定とで分離可能な出力ヒルベルト空間仮定の下で確立される。
チャネル符号化問題に対するこれらの観測の影響と関連する問題への証明手法の適用について論じる。
関連論文リスト
- Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - New Lower Bounds for Testing Monotonicity and Log Concavity of
Distributions [11.1508968670589]
本研究では,分布のビン確率を含む不等式で定義される特性に対して,分布の下位境界を検証するための新しい手法を開発した。
我々の基本的な手法は、一組のビンの確率を微調整し、一方のファミリーが定義の不等式を維持し、他方のファミリーがそれらの不等式に違反しているようにすることで、一組の分布のモーメントマッチングファミリを構築することである。
論文 参考訳(メタデータ) (2023-07-31T19:01:38Z) - Negativity of Wigner distribution function as a measure of
incompatibility [0.0]
準確率分布関数の非可逆性と負性の測定は量子系の非古典的側面としてよく知られている。
我々は、有限次元エルミート作用素のよく知られた位相空間準確率分布であるウィグナー函数の負性とそれらの非可換性の間の接続を確立する。
我々は、特定の有限次元ゲルマン作用素に対する高次元キューディットに対する処理を一般化し、作用素の次元が増加すると、そのウィグナー分布の負性度が減少し、従って不整合性が減少するのを観察する。
論文 参考訳(メタデータ) (2023-06-13T17:22:56Z) - Approximation of optimization problems with constraints through kernel
Sum-Of-Squares [77.27820145069515]
我々は、点的不等式が非負の kSoS 関数のクラス内で等式となることを示す。
また, 等式制約に焦点をあてることで, 散乱不等式を用いることで, 制約のサンプリングにおける次元性の呪いを軽減することができることを示す。
論文 参考訳(メタデータ) (2023-01-16T10:30:04Z) - Concentration analysis of multivariate elliptic diffusion processes [0.0]
連続時間および離散時間付加関数に対する濃度不等式と関連するPAC境界を証明した。
我々の分析はポアソン方程式によるアプローチに依存しており、非常に幅広い指数的エルゴード過程のクラスを考えることができる。
論文 参考訳(メタデータ) (2022-06-07T14:15:05Z) - Robust Estimation for Nonparametric Families via Generative Adversarial
Networks [92.64483100338724]
我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。
我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。
技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
論文 参考訳(メタデータ) (2022-02-02T20:11:33Z) - Lifting the Convex Conjugate in Lagrangian Relaxations: A Tractable
Approach for Continuous Markov Random Fields [53.31927549039624]
断片的な離散化は既存の離散化問題と矛盾しないことを示す。
この理論を2つの画像のマッチング問題に適用する。
論文 参考訳(メタデータ) (2021-07-13T12:31:06Z) - A Note on Optimizing Distributions using Kernel Mean Embeddings [94.96262888797257]
カーネル平均埋め込みは、その無限次元平均埋め込みによる確率測度を表す。
カーネルが特徴的である場合、カーネルの総和密度を持つ分布は密度が高いことを示す。
有限サンプル設定でそのような分布を最適化するアルゴリズムを提供する。
論文 参考訳(メタデータ) (2021-06-18T08:33:45Z) - Robust Uncertainty Bounds in Reproducing Kernel Hilbert Spaces: A Convex
Optimization Approach [9.462535418331615]
サンプル外境界は、見当たらない入力位置で確立できることが知られている。
有限サンプルの不確実性境界の密接な計算は、パラメトリック制約付き線形プログラムを解くのにどのように役立つかを示す。
論文 参考訳(メタデータ) (2021-04-19T19:27:52Z) - Linear Optimal Transport Embedding: Provable Wasserstein classification
for certain rigid transformations and perturbations [79.23797234241471]
分布の区別は多くの科学分野において重要な問題である。
線形最適輸送(LOT)は分布の空間を$L2$-スペースに埋め込む。
複数の分布分類問題に対するLOTの利点を実証する。
論文 参考訳(メタデータ) (2020-08-20T19:09:33Z)
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。