Fugu-MT 論文翻訳(概要): Operator on Operator Regression in Quantum Probability

論文の概要: Operator on Operator Regression in Quantum Probability

arxiv url: http://arxiv.org/abs/2408.00289v1
Date: Thu, 1 Aug 2024 05:22:49 GMT
ステータス: 処理完了
システム内更新日: 2024-08-04 21:45:24.435380
Title: Operator on Operator Regression in Quantum Probability
Title（参考訳）: 量子確率における演算子回帰の演算子
Authors: Suprio Bhar, Subhra Sankar Dhar, Soumalya Joardar,
Abstract要約: 回帰モデルでは、応答と独立変数はある種の作用素値観測可能であり、未知のスカラー係数($beta$で示される)と線形に関連付けられる。我々は、$beta$の推定器のクラス($M$ estimatorで示される)の量子バージョンを提案し、それらの推定器の量子バージョンの大きなサンプル挙動を導出する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article introduces operator on operator regression in quantum probability. Here in the regression model, the response and the independent variables are certain operator valued observables, and they are linearly associated with unknown scalar coefficient (denoted by $\beta$), and the error is a random operator. In the course of this study, we propose a quantum version of a class of estimators (denoted by $M$ estimator) of $\beta$, and the large sample behaviour of those quantum version of the estimators are derived, given the fact that the true model is also linear and the samples are observed eigenvalue pairs of the operator valued observables.
Abstract（参考訳）: 本稿では、量子確率における演算子回帰に関する演算子を紹介する。ここでの回帰モデルでは、応答と独立変数はある種の作用素値観測可能であり、それらは未知のスカラー係数($\beta$で示される)と線形に関連付けられ、エラーはランダム作用素である。本研究では,実モデルも線形であり,観測可能な演算子の固有値対が観測されるという事実から,推定器の量子版($M$ estimator)の量子版を$\beta$で記述し,それらの量子版の大規模なサンプル挙動を導出する。

関連論文リスト

Revealing Unobservables by Deep Learning: Generative Element Extraction Networks (GEEN) [5.3028918247347585]
本稿では,ランダムサンプル中の潜伏変数$X*$を推定する新しい手法を提案する。我々の知る限りでは、この論文は観測においてそのような識別を初めて提供するものである。
論文参考訳（メタデータ） (2022-10-04T01:09:05Z)
Data Assimilation in Operator Algebras [0.5249805590164901]
本研究では、部分的に観察された動的システムの逐次データ同化のためのフレームワークを開発する。この定式化を有限次元行列代数に投影すると、新しい計算データ同化スキームが得られる。これらの手法は量子コンピュータの実装の自然な候補である。
論文参考訳（メタデータ） (2022-06-27T22:56:17Z)
Learning Dynamical Systems via Koopman Operator Regression in Reproducing Kernel Hilbert Spaces [52.35063796758121]
動的システムの有限データ軌跡からクープマン作用素を学ぶためのフレームワークを定式化する。リスクとクープマン作用素のスペクトル分解の推定を関連付ける。以上の結果から,RRRは他の広く用いられている推定値よりも有益である可能性が示唆された。
論文参考訳（メタデータ） (2022-05-27T14:57:48Z)
CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。 CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文参考訳（メタデータ） (2021-10-26T20:14:30Z)
Operator Augmentation for Model-based Policy Evaluation [1.503974529275767]
モデルに基づく強化学習では、遷移行列と報酬ベクトルはしばしばノイズを受けるランダムサンプルから推定される。本稿では,推定モデルによる誤差を低減する演算子拡張手法を提案する。
論文参考訳（メタデータ） (2021-10-25T05:58:49Z)
Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
論文参考訳（メタデータ） (2021-06-10T06:11:55Z)
Quantum dynamics and relaxation in comb turbulent diffusion [91.3755431537592]
コンブ幾何学における乱流拡散の量子対の形で連続時間量子ウォークを考える。演算子は$hatcal H=hatA+ihatB$である。波動関数とグリーン関数の両方に対して厳密な解析を行う。
論文参考訳（メタデータ） (2020-10-13T15:50:49Z)
Rao-Blackwellizing the Straight-Through Gumbel-Softmax Gradient Estimator [93.05919133288161]
一般的なGumbel-Softmax推定器のストレートスルー変量の分散は、ラオ・ブラックウェル化により減少できることを示す。これは平均二乗誤差を確実に減少させる。これは分散の低減、収束の高速化、および2つの教師なし潜在変数モデルの性能向上につながることを実証的に実証した。
論文参考訳（メタデータ） (2020-10-09T22:54:38Z)
Kernel-based approximation of the Koopman generator and Schr\"odinger operator [0.3093890460224435]
補助行列固有値問題を解くことにより、固有関数をどのように推定するかを示す。得られたアルゴリズムは分子動力学や量子化学の例に適用される。
論文参考訳（メタデータ） (2020-05-27T08:23:29Z)
Estimating Gradients for Discrete Random Variables by Sampling without Replacement [93.09326095997336]
我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
論文参考訳（メタデータ） (2020-02-14T14:15:18Z)

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。