論文の概要: Soft Quantization using Entropic Regularization
- arxiv url: http://arxiv.org/abs/2309.04428v1
- Date: Fri, 8 Sep 2023 16:41:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-11 12:53:21.531398
- Title: Soft Quantization using Entropic Regularization
- Title（参考訳）: エントロピー規則化を用いたソフト量子化
- Authors: Rajmadan Lakshmanan and Alois Pichler
- Abstract要約: エントロピー規則化量子化問題の性質とロバスト性について検討する。
提案手法はソフトミン関数を自然に採用する。
最適解を実現するために勾配法を実装した。
- 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 quantization problem aims to find the best possible approximation of
probability measures on ${\mathbb{R}}^d$ using finite, discrete measures. The
Wasserstein distance is a typical choice to measure the quality of the
approximation. This contribution investigates the properties and robustness of
the entropy-regularized quantization problem, which relaxes the standard
quantization problem. The proposed approximation technique naturally adopts the
softmin function, which is well known for its robustness in terms of
theoretical and practicability standpoints. Moreover, we use the
entropy-regularized Wasserstein distance to evaluate the quality of the soft
quantization problem's approximation, and we implement a stochastic gradient
approach to achieve the optimal solutions. The control parameter in our
proposed method allows for the adjustment of the optimization problem's
difficulty level, providing significant advantages when dealing with
exceptionally challenging problems of interest. As well, this contribution
empirically illustrates the performance of the method in various expositions.
- Abstract（参考訳）: 量子化問題は、有限離散測度を用いて${\mathbb{R}}^d$上の確率測度の最適近似を求めることを目的としている。
ワッサーシュタイン距離は近似の質を測定する典型的な選択である。
この寄与は、標準量子化問題を緩和するエントロピー規則化量子化問題の性質とロバスト性を研究する。
提案手法はソフトミン関数を自然に採用しており、理論的および実践性の観点からは、その堅牢性でよく知られている。
さらに, エントロピー規則化ワッサースタイン距離を用いてソフト量子化問題の近似の質を評価し, 最適解を得るための確率勾配法を実装した。
提案手法の制御パラメータは,最適化問題の難易度を調整し,非常に難易度の高い問題に対処する際の大きな利点を提供する。
同様に、この貢献は様々な展示における手法の性能を実証的に表している。
関連論文リスト
- Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Optimizing Chance-Constrained Submodular Problems with Variable
Uncertainties [12.095075636344536]
本稿では,制約付き多種多様な問題を捕捉する,確率制約付き部分モジュラー最適化問題について検討する。
所与の最適解に対する定数近似比という,高品質な解を得ることのできるグリーディアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-23T04:48:49Z) - Learning to Optimize with Stochastic Dominance Constraints [103.26714928625582]
本稿では,不確実量を比較する問題に対して,単純かつ効率的なアプローチを開発する。
我々はラグランジアンの内部最適化をサロゲート近似の学習問題として再考した。
提案したライト-SDは、ファイナンスからサプライチェーン管理に至るまで、いくつかの代表的な問題において優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-14T21:54:31Z) - Quantization-Based Optimization: Alternative Stochastic Approximation of
Global Optimization [0.0]
NP-hard問題における目的関数のエネルギーレベルを定量化するための大域的最適化アルゴリズムを提案する。
数値実験により,提案アルゴリズムはNP-ハード最適化問題の解法において従来の学習法よりも優れていた。
論文 参考訳（メタデータ） (2022-11-08T03:01:45Z) - Problem-Size Independent Angles for a Grover-Driven Quantum Approximate
Optimization Algorithm [0.0]
本稿では,Grover-driven,QAOA-prepared状態下でのハミルトニアンの期待値の計算をシステムサイズとは無関係に行うことができることを示す。
このような計算は、大きな問題の大きさの限界において、QAOAにおける角度のパフォーマンスと予測可能性に関する洞察を与えるのに役立つ。
論文 参考訳（メタデータ） (2022-08-22T17:18:25Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳（メタデータ） (2021-05-14T11:31:14Z) - Certificates of quantum many-body properties assisted by machine
learning [0.0]
本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。
本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。
我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
論文 参考訳（メタデータ） (2021-03-05T17:47:26Z) - The Variational Method of Moments [65.91730154730905]
条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。
OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。
同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-12-17T07:21:06Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳（メタデータ） (2020-12-09T20:19:32Z) - Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。
提案アルゴリズムの有効性はCart-Pole環境で検証する。
論文 参考訳（メタデータ） (2020-06-01T13:48:59Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
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。