論文の概要: On the existence of unbiased resilient estimators in discrete quantum systems

• arxiv url: http://arxiv.org/abs/2402.15242v3
• Date: Mon, 20 Jan 2025 19:18:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:16:14.417552
• Title: On the existence of unbiased resilient estimators in discrete quantum systems
• Title（参考訳）: 離散量子系における非バイアス耐性推定器の存在について
• Authors: Javier Navarro, Ricard Ravell Rodríguez, Mikel Sanz,
• Abstract要約: Bhattacharyyaのバウンダリは、事前の正確性に関して、より堅牢な推定フレームワークを提供する。 制約数が測定結果を超えると、有限分散の推定器は存在しないことが示される。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The Cram\'er-Rao bound serves as a crucial lower limit for the mean squared error of an estimator in frequentist parameter estimation. Paradoxically, it requires highly accurate prior knowledge of the estimated parameter for constructing the optimal unbiased estimator. In contrast, Bhattacharyya bounds offer a more robust estimation framework with respect to prior accuracy by introducing additional constraints on the estimator. In this work, we examine divergences that arise in the computation of these bounds and establish the conditions under which they remain valid. Notably, we show that when the number of constraints exceeds the number of measurement outcomes, an estimator with finite variance typically does not exist. Furthermore, we systematically investigate the properties of these bounds using paradigmatic examples, comparing them to the Cram\'er-Rao and Bayesian approaches.
• Abstract（参考訳）: Cram\'er-Rao 境界は、頻繁なパラメータ推定における推定器の平均二乗誤差に対する決定的な下限として機能する。 パラドックス的には、最適不偏推定器を構築するために推定パラメータの高精度な事前知識を必要とする。 対照的に、Bhattacharyya 境界は、推定器に追加の制約を加えることによって、事前の精度に関してより堅牢な推定フレームワークを提供する。 本研究では,これらの境界の計算において生じる発散について検討し,それらが有効である条件を確立する。 特に、制約の数が測定結果の数を超えると、有限分散の推定器が存在しないことが示される。 さらに、これらの境界の性質をパラダイム的な例を用いて体系的に研究し、これらをCram\er-Rao および Bayesian のアプローチと比較する。

関連論文リスト

• Bayesian and frequentist estimators for the transition frequency of a driven two-level quantum system [0.0]
  我々は、未知の遷移周波数を推定するためにベイズ的および頻繁なアプローチの両方を用いる。 頻繁なアプローチでは、古典的なフィッシャー情報と量子フィッシャー情報との距離を減らすことは、必ずしもデータの関数としての推定器が望ましい精度で推定することを意味するとは限らない。
  論文  参考訳（メタデータ） (2024-11-15T13:58:52Z)
• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• Fundamental bounds for parameter estimation with few measurements [0.0]
  我々は、推定器に課せられる異なる線形(Barankin-like)条件について議論し、これらの条件が有限分散の最適推定器を持つことを解析する。 負荷条件の数が測定結果の数より大きい場合、一般に有限分散の対応する推定器は存在しないことを示す。 我々は、バランキン境界が未定義の状況において有限分散と互換性のある拡張クラムエル・ラオ境界を導出する。
  論文  参考訳（メタデータ） (2024-02-22T12:40:08Z)
• Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
  本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。 これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
  論文  参考訳（メタデータ） (2023-11-08T15:17:13Z)
• Evaluating the quantum optimal biased bound in a unitary evolution process [12.995137315679923]
  単元進化過程に基づくバイアス推定器の有効誤差境界を2つ導入する。 単元進化過程の2つの具体例による推定性能を示す。
  論文  参考訳（メタデータ） (2023-09-09T02:15:37Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• Efficient learning of hidden state LTI state space models of unknown order [0.7614628596146599]
  隠れ状態線形時間不変量(LTI)状態空間システムのセットアップに伴う2つの関連する推定問題に対処する。 すなわち、システムのマルコフパラメータの有限数の推定と、システムの最小化の推定である。 どちらの問題に対しても、様々な推定誤差上限、$rank$リカバリ条件、サンプル複雑性推定という形で統計的保証を提供する。
  論文  参考訳（メタデータ） (2022-02-03T14:59:13Z)
• Learning to Estimate Without Bias [57.82628598276623]
  ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。 本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
  論文  参考訳（メタデータ） (2021-10-24T10:23:51Z)
• Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
  カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。 我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。 MRP のサブクラスに対する minimax の下位境界を証明する。
  論文  参考訳（メタデータ） (2021-09-24T14:48:20Z)
• Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
  本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。 Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。 クリッピング推定器と呼ばれる新しい推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-07T17:21:56Z)
• Uncertainty and Trade-offs in Quantum Multiparameter Estimation [0.0]
  量子力学の不確実性関係は、量子系の非可換可観測物の期待値に関する知識を同時に得る能力に束縛されている。 彼らはシステムに関する補完的な情報の間の正確さでトレードオフを定量化する。 異なる推定器の達成可能な分散の間に不確実性関係が生じる。
  論文  参考訳（メタデータ） (2020-02-14T10:43:40Z)

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。