論文の概要: Majorizing Measures, Codes, and Information
- arxiv url: http://arxiv.org/abs/2305.02960v1
- Date: Thu, 4 May 2023 16:07:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 14:46:09.459044
- Title: Majorizing Measures, Codes, and Information
- Title(参考訳): 措置・規程・情報のメジャー化
- Authors: Yifeng Chu and Maxim Raginsky
- Abstract要約: この論文は、偏微分測度定理に関する情報理論的な視点を示すために、アンドレアス・マウラー(Andreas Maurer)の少なからぬ事前プリントで概説されたアイデアに基づいている。
これは、計量空間の要素によってインデックス付けされたランダムプロセスの有界性と、パッキングや被覆木のようなある種のマルチスケール構造から生じる複雑さの測度とを関連付ける。
- 参考スコア(独自算出の注目度): 11.764601181046496
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The majorizing measure theorem of Fernique and Talagrand is a fundamental
result in the theory of random processes. It relates the boundedness of random
processes indexed by elements of a metric space to complexity measures arising
from certain multiscale combinatorial structures, such as packing and covering
trees. This paper builds on the ideas first outlined in a little-noticed
preprint of Andreas Maurer to present an information-theoretic perspective on
the majorizing measure theorem, according to which the boundedness of random
processes is phrased in terms of the existence of efficient variable-length
codes for the elements of the indexing metric space.
- Abstract(参考訳): フェルニクとタラグランのメジャー化測度定理はランダム過程の理論の基本的な結果である。
これは、計量空間の要素によってインデックス付けされたランダムプロセスの有界性と、パッキングや被覆木などのある種の多スケール組合せ構造から生じる複雑さの測度を関連付ける。
本稿では,まずアンドレアス・マウラー(andreas maurer)の微妙な前版で概説し,確率過程の有界性が指数化距離空間の要素に対する効率的な可変長符号の存在という観点で表現される主観的測度定理に関する情報理論的な視点を提示した。
関連論文リスト
- A quantitative Robbins-Siegmund theorem [0.0]
我々は、Robins-Siegmund の定理の定量的バージョンを提供し、Tao の意味での転移性の領域を見つけるために、どこまで遠くを見る必要があるかという境界を定めている。
我々の証明は、Doobの定理のメタスタブルな類似で$L_$-supermartingalesと、プロセスの和や積を通じて量的情報がどのように伝播するかを正確に示す一連の技術的補題を含んでいる。
論文 参考訳(メタデータ) (2024-10-21T13:16:29Z) - Quantum entropy couples matter with geometry [0.0]
高階ネットワーク上の離散幾何学と物質場を結合する理論を提案する。
計量、物質およびゲージ場に対する結合力学方程式を導出する。
論文 参考訳(メタデータ) (2024-04-12T15:54:37Z) - Enriching Disentanglement: From Logical Definitions to Quantitative Metrics [59.12308034729482]
複雑なデータにおける説明的要素を遠ざけることは、データ効率の表現学習にとって有望なアプローチである。
論理的定義と量的指標の関連性を確立し, 理論的に根ざした絡み合いの指標を導出する。
本研究では,非交叉表現の異なる側面を分離することにより,提案手法の有効性を実証的に実証する。
論文 参考訳(メタデータ) (2023-05-19T08:22:23Z) - Normalizing flows for lattice gauge theory in arbitrary space-time
dimension [135.04925500053622]
格子ゲージ理論における場配置のサンプリングへの正規化フローの応用は、これまで2つの時空次元においてほぼ独占的に検討されてきた。
我々は、スケーラブルで正確なフローベースサンプリングアルゴリズムの鍵となる、トラクタブルで偏りのないジャコビアン行列式によるマスク付き自己回帰について論じる。
具体的には、4つの時空次元におけるSU(3)ゲージ理論への原理的応用の結果が報告される。
論文 参考訳(メタデータ) (2023-05-03T19:54:04Z) - Isotropic Gaussian Processes on Finite Spaces of Graphs [71.26737403006778]
種々の非重み付きグラフの集合上でガウス過程の先行を定義するための原理的手法を提案する。
さらに、未重み付きグラフの同値類の集合を検討し、それに対する事前の適切なバージョンを定義する。
化学の応用に触発されて、我々は、小データ構造における実際の分子特性予測タスクについて、提案手法を解説した。
論文 参考訳(メタデータ) (2022-11-03T10:18:17Z) - Geometric Methods for Sampling, Optimisation, Inference and Adaptive
Agents [102.42623636238399]
我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。
これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
論文 参考訳(メタデータ) (2022-03-20T16:23:17Z) - A singular Riemannian geometry approach to Deep Neural Networks I.
Theoretical foundations [77.86290991564829]
ディープニューラルネットワークは、音声認識、機械翻訳、画像解析など、いくつかの科学領域で複雑な問題を解決するために広く使われている。
我々は、リーマン計量を備えた列の最後の多様体で、多様体間の写像の特定の列を研究する。
このようなシーケンスのマップの理論的性質について検討し、最終的に実践的な関心を持つニューラルネットワークの実装間のマップのケースに焦点を当てる。
論文 参考訳(メタデータ) (2021-12-17T11:43:30Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Intrinsic Gaussian Processes on Manifolds and Their Accelerations by
Symmetry [9.773237080061815]
既存の手法は主に熱核推定のための低次元制約領域に焦点を当てている。
本研究は一般方程式上でGPを構築するための本質的なアプローチを提案する。
本手法は指数写像を用いてブラウン運動サンプル経路をシミュレーションすることにより熱核を推定する。
論文 参考訳(メタデータ) (2020-06-25T09:17:40Z)
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。