論文の概要: Certain Properties of Indices-dependent Element-wise Transformed Matrices
- arxiv url: http://arxiv.org/abs/2409.09033v1
- Date: Fri, 19 Jul 2024 16:05:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 20:57:42.468944
- Title: Certain Properties of Indices-dependent Element-wise Transformed Matrices
- Title(参考訳): インデックス依存型要素変換行列の特定の特性
- Authors: Aadarsh Singh,
- Abstract要約: 行列の零空間に対する指標依存的要素変換の影響について検討した。
変換行列に対して局所化されたヌルベクトルを与える変換がいくつか見つかった。
- 参考スコア(独自算出の注目度): 1.9580473532948401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we have explored the impact of certain indices-dependent element-wise transformations on the null space of a matrix. We have found the conditions on this transformation that will preserve the rank and nullity of the original matrix. We have also found some transformations which give localized null vectors for the transformed matrix. Finally, some possible applications of these localized null vectors and eigenvalues are mentioned in different domains.
- Abstract(参考訳): 本稿では,行列の零空間に対する指標依存的要素変換の影響について検討した。
我々は、元の行列の階数と零性を保存するこの変換の条件を発見した。
また、変換行列に対して局所化されたヌルベクトルを与える変換も発見されている。
最後に、これらの局所化されたヌルベクトルと固有値のいくつかの応用が異なる領域で言及されている。
関連論文リスト
- Laplace transform based quantum eigenvalue transformation via linear combination of Hamiltonian simulation [13.96848357202551]
本稿では,ある種類の行列ラプラス変換として表現できる固有値変換のクラスを実行するための効率的な量子アルゴリズムを提案する。
我々の固有値変換アプローチは、明示的に$A$を反転させることなくこの問題を解決できることを実証する。
論文 参考訳(メタデータ) (2024-11-06T15:47:48Z) - Efficient Adaptation of Pre-trained Vision Transformer via Householder Transformation [53.88562288388169]
一般的な戦略である。
事前訓練された視覚変換器(ViT)のPEFT(Efficient Fine-Tuning)は、下流タスクにモデルを適応させる。
適応行列を表現するために,Singular Value Decomposition (SVD) にインスパイアされた新しいPEFT手法を提案する。
SVDは行列を左ユニタリ行列、スケーリング値の対角行列、右ユニタリ行列の積に分解する。
論文 参考訳(メタデータ) (2024-10-30T12:08:30Z) - Efficient conversion from fermionic Gaussian states to matrix product states [48.225436651971805]
フェミオンガウス状態から行列積状態に変換する高効率なアルゴリズムを提案する。
翻訳不変性のない有限サイズ系に対しては定式化できるが、無限系に適用すると特に魅力的になる。
この手法のポテンシャルは、2つのキラルスピン液体の数値計算によって示される。
論文 参考訳(メタデータ) (2024-08-02T10:15:26Z) - Entrywise error bounds for low-rank approximations of kernel matrices [55.524284152242096]
切り抜き固有分解を用いて得られたカーネル行列の低ランク近似に対するエントリーワイド誤差境界を導出する。
重要な技術的革新は、小さな固有値に対応するカーネル行列の固有ベクトルの非局在化結果である。
我々は、合成および実世界のデータセットの集合に関する実証的研究により、我々の理論を検証した。
論文 参考訳(メタデータ) (2024-05-23T12:26:25Z) - Householder Projector for Unsupervised Latent Semantics Discovery [58.92485745195358]
Householder Projectorは、画像の忠実さを犠牲にすることなく、StyleGANがより複雑で正確なセマンティック属性を見つけるのに役立つ。
プロジェクタを事前訓練したStyleGAN2/StyleGAN3に統合し、複数のベンチマークでモデルを評価する。
論文 参考訳(メタデータ) (2023-07-16T11:43:04Z) - $h(1) \oplus su(2)$ vector algebra eigenstates with eigenvalues in the
matrix domain [0.0]
行列領域において一般化ベクトルコヒーレント状態の部分集合を求める。
行列固有値パラメータの特別な選択のために、ハイゼンベルク・ワイル群に付随する行列を持ついわゆるベクトルコヒーレント状態を発見した。
論文 参考訳(メタデータ) (2023-01-25T18:10:01Z) - Identifiability in Exact Two-Layer Sparse Matrix Factorization [0.0]
スパース行列分解(sparse matrix factorization)は、L スパース因子 X(L) X(L--1) の積による行列 Z の近似の問題である。
本稿では,この問題に現れる識別可能性の問題に焦点をあてる。
論文 参考訳(メタデータ) (2021-10-04T07:56:37Z) - Symplectic decomposition from submatrix determinants [0.0]
ガウスの量子情報における重要な定理は、シンプレクティック変換によって任意のガウス状態の共分散行列を対角化できることを示している。
近年,ある部分行列からエルミート行列の固有ベクトルを求める手法に着想を得て,ある部分行列式からシンプレクティックを対角化する方法を考案した。
論文 参考訳(メタデータ) (2021-08-11T18:00:03Z) - Non-PSD Matrix Sketching with Applications to Regression and
Optimization [56.730993511802865]
非PSDおよび2乗根行列の次元削減法を提案する。
複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
論文 参考訳(メタデータ) (2021-06-16T04:07:48Z) - Characterization of preorders induced by positive maps in the set of
Hermitian matrices [0.0]
Uhlmann は、エルミート行列 $A$ を別の$B$ に変換する正の、ユニタリかつトレース保存写像が存在することを示した。
これは、任意のエルミート行列の正半定値の欠如と関連する単調性の性質を定量化する尺度を構築するのにどのように使用できるのかを論じる。
論文 参考訳(メタデータ) (2021-05-18T18:52:43Z) - Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。
FNMFはその重要性に応じて特徴の重みを適応的に学習する。
提案する最適化アルゴリズムを用いて効率的に解くことができる。
論文 参考訳(メタデータ) (2021-03-24T21:17:17Z)
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。