論文の概要: Asymptotically Optimal Adversarial Strategies for the Probability
Estimation Framework
- arxiv url: http://arxiv.org/abs/2306.06802v1
- Date: Sun, 11 Jun 2023 22:58:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 16:39:28.701828
- Title: Asymptotically Optimal Adversarial Strategies for the Probability
Estimation Framework
- Title(参考訳): 確率推定フレームワークのための漸近的最適逆戦略
- Authors: Soumyadip Patra and Peter Bierhorst
- Abstract要約: 量子非局所性実験におけるランダム性を証明するためのPEF法の最適性を自己完結した証明を提案する。
これらの結果を (2,2,2) Bell のシナリオに適用し, 符号なし原理に縛られた最適対角攻撃の解析的特徴付けを得る。
また、(2,2,2)ベルシナリオにおける量子制限逆数と、より高い$(n,m,k)$ベルシナリオにおける符号なし逆数への解析の拡張についても検討する。
- 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: The Probability Estimation Framework involves direct estimation of the
probability of occurrences of outcomes conditioned on measurement settings and
side information. It is a powerful tool for certifying randomness in quantum
non-locality experiments. In this paper, we present a self-contained proof of
the asymptotic optimality of the method. Our approach refines earlier results
to allow a better characterisation of optimal adversarial attacks on the
protocol. We apply these results to the (2,2,2) Bell scenario, obtaining an
analytic characterisation of the optimal adversarial attacks bound by
no-signalling principles, while also demonstrating the asymptotic robustness of
the PEF method to deviations from expected experimental behaviour. We also
study extensions of the analysis to quantum-limited adversaries in the (2,2,2)
Bell scenario and no-signalling adversaries in higher $(n,m,k)$ Bell scenarios.
- Abstract(参考訳): 確率推定フレームワークは、測定設定とサイド情報に基づいて、結果の発生確率を直接推定することを含む。
量子非局所性実験におけるランダム性を証明する強力なツールである。
本稿では,本手法の漸近的最適性の自己完結的証明を提案する。
提案手法は,プロトコルに対する最適な敵攻撃のキャラクタリゼーションを向上するために,先行結果を改良する。
これらの結果を (2,2,2) Bell のシナリオに適用し,非シグナリング原理による最適対向攻撃の解析的特性を得るとともに, PEF 法の漸近的ロバスト性を示す。
また、(2,2,2)ベルシナリオにおける量子制限逆数と、より高い$(n,m,k)$ベルシナリオにおける符号なし逆数への解析の拡張についても検討する。
関連論文リスト
- Amortized Variational Inference with Coverage Guarantees [20.189430920135873]
Amortized variational inference(英語版)は、新しい観測によって高速に計算できる後部近似を生成する。
コンフォーマル化補正ニューラル変分推論(CANVI)を提案する。
CANVIは各候補に基づいて共形予測器を構築し、予測効率と呼ばれる計量を用いて予測器を比較し、最も効率的な予測器を返す。
論文 参考訳(メタデータ) (2023-05-23T17:24:04Z) - Off-policy estimation of linear functionals: Non-asymptotic theory for
semi-parametric efficiency [59.48096489854697]
観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。
このような手順の平均二乗誤差に対して非漸近上界を証明した。
非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
論文 参考訳(メタデータ) (2022-09-26T23:50:55Z) - Comparing two samples through stochastic dominance: a graphical approach [2.867517731896504]
実世界のシナリオでは非決定論的測定が一般的である。
推定累積分布関数に従って2つのサンプルを視覚的に比較するフレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-15T13:37:03Z) - Accelerating Stochastic Probabilistic Inference [1.599072005190786]
変分推論(SVI)は確率モデルの良好な後部近似を求める能力により、ますます魅力的になっている。
最先端のSVIアルゴリズムのほとんど全てが一階最適化に基づいており、しばしば収束率の低下に悩まされている。
我々は二階法と変分推論のギャップを二階法に基づく変分推論手法によって埋める。
論文 参考訳(メタデータ) (2022-03-15T01:19:12Z) - Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。
演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
論文 参考訳(メタデータ) (2022-01-21T02:46:57Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳(メタデータ) (2021-08-25T21:30:27Z) - Near-Optimal High Probability Complexity Bounds for Non-Smooth
Stochastic Optimization with Heavy-Tailed Noise [63.304196997102494]
アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。
既存の非滑らか凸最適化法は、負のパワーまたは対数的な信頼度に依存する境界の複雑さを持つ。
クリッピングを用いた2つの勾配法に対して, 新たなステップサイズルールを提案する。
論文 参考訳(メタデータ) (2021-06-10T17:54:21Z) - Sequential Domain Adaptation by Synthesizing Distributionally Robust
Experts [14.656957226255628]
教師付きドメイン適応は、目標分布に近いソース分布からラベル付きトレーニングサンプルを追加することにより、予測精度を向上させることを目的としている。
我々は、提案した頑健な専門家の家系のBernsteinオンライン集約アルゴリズムを用いて、ターゲットサンプルの逐次的ストリームの予測を生成する。
論文 参考訳(メタデータ) (2021-06-01T08:51:55Z) - Finite Sample Analysis of Minimax Offline Reinforcement Learning:
Completeness, Fast Rates and First-Order Efficiency [83.02999769628593]
強化学習におけるオフ・ポリティィ・アセスメント(OPE)の理論的特徴について述べる。
ミニマックス法により、重みと品質関数の高速収束を実現することができることを示す。
非タブラル環境における1次効率を持つ最初の有限サンプル結果を示す。
論文 参考訳(メタデータ) (2021-02-05T03:20:39Z) - Adaptive Sampling for Estimating Distributions: A Bayesian Upper
Confidence Bound Approach [30.76846526324949]
既存の高信頼境界(UCB)ベースのアプローチのベイズ多様体が提案される。
ロサンゼルス郡のセロプレバレンス調査から得られたデータを用いて,この戦略の有効性を考察した。
論文 参考訳(メタデータ) (2020-12-08T00:53:34Z) - A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。
予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
論文 参考訳(メタデータ) (2020-07-08T11:35:47Z)
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。