論文の概要: Bayesian quantum estimation of the separation of two incoherent point sources
- arxiv url: http://arxiv.org/abs/2412.05245v1
- Date: Fri, 06 Dec 2024 18:24:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:55:45.313962
- Title: Bayesian quantum estimation of the separation of two incoherent point sources
- Title(参考訳): 2つの不整点源の分離のベイズ量子推定
- Authors: Boyu Zhou, Saikat Guha, Christos N. Gagatsos,
- Abstract要約: 我々は、量子ベイズの観点から、任意に閉じた2つの不整合点源の分離に関する推定問題に対処する。
散逸した半ガウスのPDFでは、SPADEと直接撮像(DI)の性能とベイズ平均二乗誤差を比較した。
- 参考スコア(独自算出の注目度): 5.287546642230383
- License:
- Abstract: We address the estimation problem of the separation of two arbitrarily close incoherent point sources from the quantum Bayesian point of view, i.e., when a prior probability distribution function (PDF) on the separation is available. For the non-dispalced and displaced half-Gaussian prior PDF, we compare the performance of SPADE and direct imaging (DI) with the Bayesian minimum mean square error and by varying the prior PDF's parameters we discuss the regimes of superiority of either SPADE or DI.
- Abstract(参考訳): 我々は、量子ベイズの観点から、2つの密接な不整点源の分離、すなわち、分離に関する事前確率分布関数(PDF)が利用可能である場合の推定問題に対処する。
本研究では,SPADEと直接撮像(DI)の性能をベイズ平均二乗誤差と比較し,SPADEおよびDIの優越性について考察する。
関連論文リスト
- Partial Distribution Matching via Partial Wasserstein Adversarial Networks [35.48994933353969]
本稿では,2つの確率分布の整合性を求める基本的機械学習問題である分布マッチング(DM)問題について検討する。
提案手法は, 部分分布マッチング (PDM) と呼ばれる緩和された定式化に基づいており, 完全に一致するのではなく, 少数の分布に一致することを目指している。
実験結果から,提案したPWANは,最先端の手法と同等あるいは同等の精度で,極めて堅牢なマッチング結果が得られることが確認された。
論文 参考訳(メタデータ) (2024-09-16T17:41:45Z) - Superresolution in separation estimation between two dynamic incoherent sources using spatial demultiplexing [0.0]
近年、ハーマイト・ガウスモードにおける空間モード除算(SPADE)に基づく完全な測定により、2つの弱い不整合定常源の分離を推定する精度の量子限界に達した。
本稿では、ソースの定常性に関する仮定を捨てて、完璧な設定から別の逸脱を考える。
定常源シナリオにおける推定パラメータの1つを削減できる測定アルゴリズムを定式化する。
論文 参考訳(メタデータ) (2024-07-15T07:57:57Z) - Computing Marginal and Conditional Divergences between Decomposable
Models with Applications [7.89568731669979]
本稿では,2つの分解可能なモデルの任意の限界分布と条件分布の正確なα-ベータの偏差を計算する手法を提案する。
提案手法を用いて,まずベンチマーク画像データセットに適用することにより,分布変化を解析する方法を示す。
本稿では,現代の超伝導量子コンピュータにおける誤差の定量化手法を提案する。
論文 参考訳(メタデータ) (2023-10-13T14:17:25Z) - Targeted Separation and Convergence with Kernel Discrepancies [61.973643031360254]
カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。
本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。
可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
論文 参考訳(メタデータ) (2022-09-26T16:41:16Z) - Stochastic Saddle Point Problems with Decision-Dependent Distributions [0.6091702876917279]
本稿では,静的設定と時間変化設定の両方において決定に依存するサドル点問題に焦点をあてる。
定常ミニマックス問題に対するサドル点である平衡点の概念を導入する。
原始双対アルゴリズムは、同様の方法でサドル点に収束することを示す。
論文 参考訳(メタデータ) (2022-01-07T03:36:41Z) - Continuous Wasserstein-2 Barycenter Estimation without Minimax
Optimization [94.18714844247766]
ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。
本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-02T21:01:13Z) - Annealed Importance Sampling with q-Paths [51.73925445218365]
annealed importance sampling (ais) は分割関数や限界確率を推定するためのゴールド標準である。
既存の文献は、主に指数関数族とkl分岐に関連する幾何学的混合あるいはモーメント平均経路に制限されている。
q$-paths(特別な場合として幾何経路を含む)を用いてaiを探索し、均質なパワー平均、変形した指数関数族、および$alpha$-divergenceと関連づける。
論文 参考訳(メタデータ) (2020-12-14T18:57:05Z) - Convergence Rates of Empirical Bayes Posterior Distributions: A
Variational Perspective [20.51199643121034]
非パラメトリックおよび高次元推論のための経験的ベイズ後部分布の収束率について検討した。
その結果,最大辺縁度推定器によって誘導される経験的ベイズ後部分布は,階層的ベイズ後部分布の変動近似とみなすことができることがわかった。
論文 参考訳(メタデータ) (2020-09-08T19:35:27Z) - Continuous Regularized Wasserstein Barycenters [51.620781112674024]
正規化ワッサーシュタイン・バリセンタ問題に対する新しい双対定式化を導入する。
我々は、強い双対性を確立し、対応する主対関係を用いて、正規化された輸送問題の双対ポテンシャルを用いて暗黙的にバリセンターをパラメトリゼーションする。
論文 参考訳(メタデータ) (2020-08-28T08:28:06Z) - On Projection Robust Optimal Transport: Sample Complexity and Model
Misspecification [101.0377583883137]
射影ロバスト(PR)OTは、2つの測度の間のOTコストを最大化するために、射影可能な$k$次元部分空間を選択する。
私たちの最初の貢献は、PRワッサーシュタイン距離のいくつかの基本的な統計的性質を確立することである。
次に、部分空間を最適化するのではなく平均化することにより、PRW距離の代替として積分PRワッサーシュタイン距離(IPRW)を提案する。
論文 参考訳(メタデータ) (2020-06-22T14:35:33Z) - Minimax Optimal Estimation of KL Divergence for Continuous Distributions [56.29748742084386]
Kullback-Leibler の同一および独立に分布するサンプルからの発散は、様々な領域において重要な問題である。
単純で効果的な推定器の1つは、これらのサンプル間の近辺 k に基づいている。
論文 参考訳(メタデータ) (2020-02-26T16:37:37Z)
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。