Fugu-MT 論文翻訳(概要): On the Multiplicity of Density Operator Representation

論文の概要: On the Multiplicity of Density Operator Representation

arxiv url: http://arxiv.org/abs/2406.15615v1
Date: Fri, 21 Jun 2024 19:31:02 GMT
ステータス: 処理完了
システム内更新日: 2024-06-25 21:24:18.088800
Title: On the Multiplicity of Density Operator Representation
Title（参考訳）: 密度演算子の表現の多重性について
Authors: Gianfranco Cariolaro, Edi Ruffa,
Abstract要約: ここでは密度係数(DF)と呼ばれる、与えられた密度作用素の分解を得るのは容易である行列解析のツールを用いて, DFの乗法性と多様性について検討した。
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: The density operator is usually defined starting from a set of kets in the Hilbert space and a probability distribution. From this definition it is easy to obtain a factorization of a given density operator, here called density factor (DF). The multiplicity and the variety of DFs is investigated using the tools of Matrix Analysis, arriving in particular to establish the DF with minimal size. The approach based on Matrix Analysis does not seem to be available elsewhere.
Abstract（参考訳）: 密度作用素は通常、ヒルベルト空間のケットの集合と確率分布から始まる。この定義から、与えられた密度作用素の分解(以下、密度係数(DF))を得るのは容易である。マルチプリシティとDFの多様性について,行列解析のツールを用いて検討した。 Matrix Analysisに基づくアプローチは、他の場所では利用できないようだ。

関連論文リスト

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)
Large-scale gradient-based training of Mixtures of Factor Analyzers [67.21722742907981]
本稿では,勾配降下による高次元学習を効果的に行うための理論解析と新しい手法の両立に寄与する。 MFAトレーニングと推論/サンプリングは,学習終了後の行列逆変換を必要としない精度行列に基づいて行うことができることを示す。理論解析と行列の他に,SVHNやMNISTなどの画像データセットにMFAを適用し,サンプル生成と外乱検出を行う能力を示す。
論文参考訳（メタデータ） (2023-08-26T06:12:33Z)
Mean-Square Analysis of Discretized It\^o Diffusions for Heavy-tailed Sampling [17.415391025051434]
重み付きポインカーの不等式に関連する伊藤拡散の自然クラスを離散化することにより、重み付き分布のクラスからのサンプリングの複雑さを分析する。平均二乗解析に基づいて、ワッサーシュタイン2計量のターゲット分布に近い分布が$epsilon$のサンプルを得るための反復複雑性を確立する。
論文参考訳（メタデータ） (2023-03-01T15:16:03Z)
Density-Based Clustering with Kernel Diffusion [59.4179549482505]
単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
論文参考訳（メタデータ） (2021-10-11T09:00:33Z)
A Note on Optimizing Distributions using Kernel Mean Embeddings [94.96262888797257]
カーネル平均埋め込みは、その無限次元平均埋め込みによる確率測度を表す。カーネルが特徴的である場合、カーネルの総和密度を持つ分布は密度が高いことを示す。有限サンプル設定でそのような分布を最適化するアルゴリズムを提供する。
論文参考訳（メタデータ） (2021-06-18T08:33:45Z)
Random density matrices: Analytical results for mean root fidelity and mean square Bures distance [1.0348777118111825]
マイルス距離は、そのいくつかの特徴から、様々な距離測度の中で特別な位置を占める。忠実度と関連しており、特に量子状態の分離性を定量化するためのボナ・フェイド測度として機能する。
論文参考訳（メタデータ） (2021-05-06T15:13:14Z)
A simpler spectral approach for clustering in directed networks [1.52292571922932]
隣接行列の固有値/固有ベクトル分解は、すべての一般的な方法よりも単純であることを示す。広く使われているk平均アルゴリズムよりもガウス混合クラスタリングの方が優れていることを示す数値的な証拠を提供する。
論文参考訳（メタデータ） (2021-02-05T14:16:45Z)
Spectral statistics for the difference of two Wishart matrices [1.2225709246035374]
2つの異なるアプローチを用いて有限次元シナリオにおける対応する固有値の結合確率密度関数を導出する。これらの結果と、2つのランダム密度行列の差に対する対応する結果との関係を指摘し、スペクトル密度と絶対平均に対する明示的で閉じた式式を得る。
論文参考訳（メタデータ） (2020-11-14T18:43:34Z)
Nonparametric Density Estimation from Markov Chains [68.8204255655161]
我々はマルコフ・チェインにインスパイアされた新しい非パラメトリック密度推定器を導入し、よく知られたケルネル密度推定器を一般化する。我々の推定器は, 通常のものに対していくつかの利点を示し, 全密度アルゴリズムの基盤として容易に利用できる。
論文参考訳（メタデータ） (2020-09-08T18:33:42Z)
Low-rank Characteristic Tensor Density Estimation Part I: Foundations [38.05393186002834]
テンソル因子化ツールに基づく新しい手法を提案する。次元の呪いを回避するため、この特性テンソルの低ランクモデルを導入する。提案手法の有望な性能を,複数の測定データを用いて実証する。
論文参考訳（メタデータ） (2020-08-27T18:06:19Z)
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)

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。