論文の概要: Strict hierarchy of optimal strategies for global estimations: Mapping global estimations into local ones

• arxiv url: http://arxiv.org/abs/2403.06585v1
• Date: Mon, 11 Mar 2024 10:31:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-12 19:35:14.054891
• Title: Strict hierarchy of optimal strategies for global estimations: Mapping global estimations into local ones
• Title（参考訳）: グローバル推定のための最適戦略の厳密な階層:グローバル推定をローカル推定にマッピングする
• Authors: Zhao-Yi Zhou, Jing-Tao Qiu, Da-Jian Zhang
• Abstract要約: 我々は,グローバルな推定をローカルにマッピングできる仮想想像時間進化法を開発した。 我々は、並列、シーケンシャル、不確定な因果順序戦略を含む、異なる大域的推定戦略に対する達成可能な精度の厳密な階層を公表する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A crucial yet challenging issue in quantum metrology is to ascertain the ultimate precision achievable in estimation strategies. While there are two paradigms of estimations, local and global, current research is largely confined to local estimations, which are useful once the parameter of interest is approximately known. In this Letter we target at a paradigm shift towards global estimations, which can operate reliably even with a few measurement data and no substantial prior knowledge about the parameter. The key innovation here is to develop a technique, dubbed virtual imaginary time evolution, capable of mapping global estimations into local ones. This offers an intriguing pathway to surmount challenges in the realm of global estimations by leveraging powerful tools tailored for local estimations. We explore our technique to unveil a strict hierarchy of achievable precision for different global estimation strategies, including parallel, sequential, and indefinite-causal-order strategies.
• Abstract（参考訳）: 量子力学における重要な課題は、推定戦略で達成可能な最終的な精度を確認することである。 局所的および大域的推定のパラダイムは2つあるが、現在の研究は主に局所的推定に限られており、興味のパラメータがほぼ知られている場合に有用である。 このレターでは,少数の測定データでも確実に動作し,パラメータについて十分な事前知識を持たないグローバル推定へのパラダイムシフトを目標としている。 ここでの鍵となる革新は、仮想想像時間進化と呼ばれる技術を開発することであり、グローバルな見積もりをローカルなものにマッピングすることができる。 これは、局所的な推定に適した強力なツールを活用することで、グローバルな推定領域における課題を克服する興味深い経路を提供する。 我々は,並列,シーケンシャル,無期限-causal-order戦略を含む,異なるグローバル推定戦略に対して達成可能な精度の厳密な階層構造を明らかにする手法について検討する。

関連論文リスト

• Current Trends in Global Quantum Metrology [0.0]
  量子センサーは、最も有望な短期量子技術の1つとして広く認識されている。 我々は、グローバル量子推定の進展のいくつかを概観する。 第1のアプローチでは、最高の性能を達成するためには、測定設定を適応的に最適化する必要がある。
  論文  参考訳（メタデータ） (2024-11-06T11:39:58Z)
• Saturable global quantum sensing with Gaussian probes [0.0]
  我々は、頻繁な画像におけるグローバルセンシングに対する運用動機付けのアプローチを提供する。 提案手法は, 平均不確実性に基づいて飽和境界を導出し, 測定値の最適化とプローブ作成を同時に行うことができる。
  論文  参考訳（メタデータ） (2024-10-15T20:37:38Z)
• The Cramér-Rao approach and global quantum estimation of bosonic states [52.47029505708008]
  Cram'er-Rao アプローチが局所的推定ではなく大域的推定に当てはまるかどうかは不明である。 クラムエル・ラオ法が成立し、非IID条件下でのボゾン状態の族を含む量子状態推定問題に有効でない状況を見つける。
  論文  参考訳（メタデータ） (2024-09-18T09:49:18Z)
• Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
  予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。 我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。 単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-06-06T17:37:39Z)
• Data Valuation by Leveraging Global and Local Statistical Information [25.911043100052588]
  グローバルとローカルの両方の値分布が、機械学習の文脈におけるデータ評価に有意な可能性を秘めていることを示す。 提案手法は,探索された分布特性を既存手法であるAMEに組み込むことで,Shapley値を推定する新しいデータ評価手法であるAMEを提案する。 また,グローバルな値分布と局所的な値分布の情報を統合した最適化問題を定式化することにより,動的データ評価問題に対処する新たな経路を提案する。
  論文  参考訳（メタデータ） (2024-05-23T08:58:08Z)
• Adaptive Global-Local Representation Learning and Selection for Cross-Domain Facial Expression Recognition [54.334773598942775]
  ドメインシフトは、クロスドメイン顔表情認識(CD-FER)において重要な課題となる 適応的グローバルローカル表現学習・選択フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-20T02:21:41Z)
• Federated Learning as Variational Inference: A Scalable Expectation Propagation Approach [66.9033666087719]
  本稿では,推論の視点を拡張し,フェデレート学習の変分推論の定式化について述べる。 我々は、FedEPを標準フェデレーション学習ベンチマークに適用し、収束速度と精度の両方において、強いベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-02-08T17:58:11Z)
• Global Convolutional Neural Processes [52.85558458799716]
  我々は,潜伏NPFにおけるSOTAログ類似化を実現するGloBal Convolutional Neural Process(GBCoNP)を構築する。 離散化された入力空間上の集合である大域的不確実性表現 p(z) を設計する。 学習した先行データは、1D、2D、新たに提案された時空間のCOVIDデータセットなど、さまざまなシナリオで分析される。
  論文  参考訳（メタデータ） (2021-09-02T03:32:50Z)
• Distributed Q-Learning with State Tracking for Multi-agent Networked Control [61.63442612938345]
  本稿では,LQR(Linear Quadratic Regulator)のマルチエージェントネットワークにおける分散Q-ラーニングについて検討する。 エージェントに最適なコントローラを設計するための状態追跡(ST)ベースのQ-ラーニングアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2020-12-22T22:03:49Z)
• Cooperative Multi-Agent Reinforcement Learning with Partial Observations [16.895704973433382]
  マルチエージェント強化学習(MARL)のための分散ゼロ階ポリシー最適化手法を提案する。 エージェントは、グローバルに蓄積された報酬の局所的な見積もりを使用して、ローカルポリシー機能を更新するために必要なローカルポリシー勾配を計算することができる。 本研究では, 一定段差の分散ゼロ階次ポリシ最適化手法が, 大域的目的関数の定常点であるポリシの近傍に収束することを示す。
  論文  参考訳（メタデータ） (2020-06-18T19:36:22Z)

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。