論文の概要: Statistical physics of principal minors: Cavity approach

• arxiv url: http://arxiv.org/abs/2405.19904v1
• Date: Thu, 30 May 2024 10:09:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-31 14:59:14.894107
• Title: Statistical physics of principal minors: Cavity approach
• Title（参考訳）: 主未成年者の統計物理:キャビティ・アプローチ
• Authors: A. Ramezanpour, M. A. Rajabpour,
• Abstract要約: 行列の主小数の和を計算する。 これは量子フェルミオン系の臨界挙動の研究に関係している。 対角行列のクラスでは(有限温度の)相転移は見られなかった。
• 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: Determinants are useful to represent the state of an interacting system of (effectively) repulsive and independent elements, like fermions in a quantum system and training samples in a learning problem. A computationally challenging problem is to compute the sum of powers of principal minors of a matrix which is relevant to the study of critical behaviors in quantum fermionic systems and finding a subset of maximally informative training data for a learning algorithm. Specifically, principal minors of positive square matrices can be considered as statistical weights of a random point process on the set of the matrix indices. The probability of each subset of the indices is in general proportional to a positive power of the determinant of the associated sub-matrix. We use Gaussian representation of the determinants for symmetric and positive matrices to estimate the partition function (or free energy) and the entropy of principal minors within the Bethe approximation. The results are expected to be asymptotically exact for diagonally dominant matrices with locally tree-like structures. We consider the Laplacian matrix of random regular graphs of degree $K=2,3,4$ and exactly characterize the structure of the relevant minors in a mean-field model of such matrices. No (finite-temperature) phase transition is observed in this class of diagonally dominant matrices by increasing the positive power of the principal minors, which here plays the role of an inverse temperature.
• Abstract（参考訳）: 行列式は、量子系のフェルミオンや学習問題におけるサンプルのトレーニングのような(効果的に)反発的かつ独立な要素の相互作用系の状態を表すのに有用である。 計算的に難しい問題は、量子フェルミオン系における臨界挙動の研究と学習アルゴリズムの最大情報的トレーニングデータのサブセットを見つけることに関連する行列の主小数の和を計算することである。 具体的には、正の正方行列の主部分集合は、行列指標の集合上のランダム点過程の統計的重みと見なすことができる。 指標の各部分集合の確率は、一般に、関連する部分行列の行列式の正の力に比例する。 我々は、対称行列および正行列に対する行列式のガウス表現を用いて、Bethe近似内の分割関数(または自由エネルギー)と主部分集合のエントロピーを推定する。 この結果は、局所的な木のような構造を持つ対角行列に対して漸近的に正確であることが期待されている。 我々は、次数$K=2,3,4$のランダム正則グラフのラプラシアン行列を考え、そのような行列の平均場モデルにおいて関連する未成年者の構造を正確に特徴づける。 この種類の対角行列では、主部分の正の力を高めて(有限温度の)相転移は見られず、逆温度の役割を担っている。

関連論文リスト

• Resolvent-based quantum phase estimation: Towards estimation of parametrized eigenvalues [0.0]
  行列分解形式に基づく非正規行列の固有値を推定するための新しい手法を提案する。 与えられた非単項行列の単位ノルム固有値の位相を推定するための最初の効率的なアルゴリズムを構築する。 次に、与えられた非エルミート行列の実固有値を推定する効率的なアルゴリズムを構築する。
  論文  参考訳（メタデータ） (2024-10-07T08:51:05Z)
• Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry [63.694184882697435]
  グローバル共分散プーリング(GCP)は、高レベルの表現の2階統計を利用して、ディープニューラルネットワーク(DNN)の性能を向上させることが実証されている。
  論文  参考訳（メタデータ） (2024-07-15T07:11:44Z)
• Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
  本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。 この問題は楕円分布のペナルティ化された最大推定値として表される。 楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
  論文  参考訳（メタデータ） (2022-10-21T13:19:45Z)
• On confidence intervals for precision matrices and the eigendecomposition of covariance matrices [20.20416580970697]
  本稿では,固定次元の共分散行列の固有ベクトルの個々のエントリに対する信頼性境界の計算に挑戦する。 逆共分散行列、いわゆる精度行列の成分を束縛する手法を導出する。 これらの結果の応用として,精度行列の非ゼロ値のテストを可能にする新しい統計テストを示す。
  論文  参考訳（メタデータ） (2022-08-25T10:12:53Z)
• An Equivalence Principle for the Spectrum of Random Inner-Product Kernel Matrices with Polynomial Scalings [21.727073594338297]
  この研究は、機械学習と統計学の応用によって動機付けられている。 スケーリングシステムにおいて,これらのランダム行列の経験的分布の弱い限界を確立する。 我々の結果は、マルテンコ・パストゥル法と半円法の間の自由加法的畳み込みとして特徴づけられる。
  論文  参考訳（メタデータ） (2022-05-12T18:50:21Z)
• Riemannian statistics meets random matrix theory: towards learning from high-dimensional covariance matrices [2.352645870795664]
  本稿では,高次元共分散行列の空間上でのリーマン・ガウス分布に関連する正規化因子の計算方法が存在しないことを示す。 この欠落法は、ランダム行列理論との予期せぬ新しい関係から来ていることが示されている。 シミュレーション実験により、この新たな近似が現実のデータセットへの応用を妨げる困難を解き放つ方法が示されている。
  論文  参考訳（メタデータ） (2022-03-01T03:16:50Z)
• Level compressibility of certain random unitary matrices [0.0]
  レベル圧縮率と呼ばれる原点におけるスペクトル形成係数の値は、ランダムスペクトルの重要な特徴である。 本論文は、中間スペクトル統計量を持つモデルを記述する異なるランダムなユニタリ行列に対して、この量の解析的な計算に費やしている。
  論文  参考訳（メタデータ） (2022-02-22T21:31:24Z)
• Robust 1-bit Compressive Sensing with Partial Gaussian Circulant Matrices and Generative Priors [54.936314353063494]
  我々は,ロバストな1ビット圧縮センシングのための相関に基づく最適化アルゴリズムのリカバリ保証を提供する。 我々は,実用的な反復アルゴリズムを用いて,画像データセットの数値実験を行い,結果の相関付けを行う。
  論文  参考訳（メタデータ） (2021-08-08T05:28:06Z)
• Minimax Estimation of Linear Functions of Eigenvectors in the Face of Small Eigen-Gaps [95.62172085878132]
  固有ベクトル摂動解析は様々な統計データ科学の応用において重要な役割を果たす。 未知の固有ベクトルの任意の線型関数の摂動を特徴付ける統計理論の一組を開発する。 自然の「プラグイン」推定器に固有の非無視バイアス問題を緩和するために,非バイアス推定器を開発する。
  論文  参考訳（メタデータ） (2021-04-07T17:55:10Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Semiparametric Nonlinear Bipartite Graph Representation Learning with Provable Guarantees [106.91654068632882]
  半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。 提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。 我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
  論文  参考訳（メタデータ） (2020-03-02T16:40:36Z)

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。