Fugu-MT 論文翻訳(概要): Bregman-divergence-based Arimoto-Blahut algorithm

論文の概要: Bregman-divergence-based Arimoto-Blahut algorithm

arxiv url: http://arxiv.org/abs/2408.05454v1
Date: Sat, 10 Aug 2024 06:16:24 GMT
ステータス: 処理完了
システム内更新日: 2024-08-13 18:51:22.720655
Title: Bregman-divergence-based Arimoto-Blahut algorithm
Title（参考訳）: Bregman-divergence-based Arimoto-Blahut algorithm
Authors: Masahito Hayashi,
Abstract要約: 本稿では,Arimoto-BlahutアルゴリズムをBregman-Diversergenceシステム上で定義された一般関数に一般化する。本稿では,古典的および量子速度歪み理論に適用可能な凸最適化自由アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 53.64687146666141
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We generalize the generalized Arimoto-Blahut algorithm to a general function defined over Bregman-divergence system. In existing methods, when linear constraints are imposed, each iteration needs to solve a convex minimization. Exploiting our obtained algorithm, we propose a convex-optimization-free algorithm. This algorithm can be applied to classical and quantum rate-distortion theory. We numerically apply our method to the derivation of the optimal conditional distribution in the rate-distortion theory.
Abstract（参考訳）: 一般化された有本・ブラフトアルゴリズムを,ブレグマン・ディバージェンス・システム上で定義された一般関数に一般化する。既存の手法では、線形制約が課されると、各反復は凸最小化を解く必要がある。得られたアルゴリズムを探索し,凸最適化のないアルゴリズムを提案する。このアルゴリズムは古典的および量子速度歪み理論に適用できる。速度歪み理論における最適条件分布の導出に本手法を数値的に適用する。

関連論文リスト

Generalization of Hamiltonian algorithms [6.835035668445878]
本稿では,学習アルゴリズムのクラスに対する一般化結果を示す。この方法はアルゴリズムが任意のa-プリオリ測度に対して絶対連続分布を生成するときに適用される。 Gibbsアルゴリズムと安定した決定論的アルゴリズムのランダム化、およびデータ依存の先行値を持つPAC-Bayesian境界に対する応用である。
論文参考訳（メタデータ） (2024-05-23T11:56:05Z)
Bayesian Design Principles for Frequentist Sequential Learning [11.421942894219901]
逐次学習問題に対する頻繁な後悔を最適化する理論を開発する。各ラウンドで「アルゴリズム的信念」を生成するための新しい最適化手法を提案する。本稿では,マルチアームバンディットの「ベスト・オブ・オール・ワールド」な経験的性能を実現するための新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-01T22:17:37Z)
A Bregman Proximal Perspective on Classical and Quantum Blahut-Arimoto Algorithms [6.281229317487581]
Blahut-Arimotoアルゴリズムは、古典的なチャネル容量とレート歪み関数を計算するためのよく知られた方法である。近年の研究では、様々な量子アナログを計算するためにこのアルゴリズムを拡張している。このBlahut-Arimotoアルゴリズムがミラー降下の特別な例であることを示す。
論文参考訳（メタデータ） (2023-06-07T15:02:10Z)
Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文参考訳（メタデータ） (2023-02-24T18:41:48Z)
Classical and Quantum Iterative Optimization Algorithms Based on Matrix Legendre-Bregman Projections [1.5736899098702972]
エルミート行列空間上で定義されたルジャンドル・ブレーグマン射影について考察し,それに基づいて反復最適化アルゴリズムを設計する。本稿では,ブレグマン射影アルゴリズムと近似的ブラグマン射影アルゴリズムについて検討する。特に、近似反復アルゴリズムは、最大エントロピー推論のための一般化反復スケーリング(GIS)アルゴリズムの非可換バージョンをもたらす。
論文参考訳（メタデータ） (2022-09-28T15:59:08Z)
Bregman divergence based em algorithm and its application to classical and quantum rate distortion theory [61.12008553173672]
本稿では,Bregman分散系における指数サブファミリーと混合サブファミリー間のBregman分散の最小化問題に対処する。このアルゴリズムを量子設定を含む歪みとその変種の評価に適用する。
論文参考訳（メタデータ） (2022-01-07T13:33:28Z)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
An Asymptotically Optimal Primal-Dual Incremental Algorithm for Contextual Linear Bandits [129.1029690825929]
複数の次元に沿った最先端技術を改善する新しいアルゴリズムを提案する。非文脈線形帯域の特別な場合において、学習地平線に対して最小限の最適性を確立する。
論文参考訳（メタデータ） (2020-10-23T09:12:47Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。