論文の概要: Quantum Computing for Partition Function Estimation of a Markov Random Field in a Radar Anomaly Detection Problem

• arxiv url: http://arxiv.org/abs/2501.01154v1
• Date: Thu, 02 Jan 2025 09:14:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:12:20.963747
• Title: Quantum Computing for Partition Function Estimation of a Markov Random Field in a Radar Anomaly Detection Problem
• Title（参考訳）: レーダ異常検出問題におけるマルコフ確率場の分割関数推定のための量子計算
• Authors: Timothe Presles, Cyrille Enderli, Gilles Burel, El Houssain Baghious,
• Abstract要約: 確率論において、分割関数は、任意の確率関数を1の確率で密度関数に還元するために用いられる因子である。 本稿では,1つのクリーンキュービットモデルにおける分割関数推定のための量子アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In probability theory, the partition function is a factor used to reduce any probability function to a density function with total probability of one. Among other statistical models used to represent joint distribution, Markov random fields (MRF) can be used to efficiently represent statistical dependencies between variables. As the number of terms in the partition function scales exponentially with the number of variables, the potential of each configuration cannot be computed exactly in a reasonable time for large instances. In this paper, we aim to take advantage of the exponential scalability of quantum computing to speed up the estimation of the partition function of a MRF representing the dependencies between operating variables of an airborne radar. For that purpose, we implement a quantum algorithm for partition function estimation in the one clean qubit model. After proposing suitable formulations, we discuss the performances and scalability of our approach in comparison to the theoretical performances of the algorithm.
• Abstract（参考訳）: 確率論において、分割関数は、任意の確率関数を1の確率で密度関数に還元するために用いられる因子である。 関節分布を表すために用いられる他の統計モデルの中で、マルコフ確率場(MRF)は変数間の統計的依存関係を効率的に表現するために用いられる。 分割関数の項数は変数の数とともに指数関数的にスケールするので、各構成のポテンシャルは大きなインスタンスに対して妥当な時間で正確に計算することはできない。 本稿では,空飛ぶレーダの動作変数間の依存関係を表すMRFの分割関数の推定を高速化するために,量子コンピューティングの指数的スケーラビリティを活用することを目的とする。 そこで我々は, 1つのクリーンキュービットモデルにおいて, 分割関数推定のための量子アルゴリズムを実装した。 適切な定式化を提案した後、アルゴリズムの理論的性能と比較して、我々のアプローチの性能と拡張性について議論する。

関連論文リスト

• Kinetic Interacting Particle Langevin Monte Carlo [0.0]
  本稿では,潜在変数モデルにおける統計的推論のために,アンダーダム付きランゲヴィンアルゴリズムの相互作用について紹介し,解析する。 本稿では,パラメータと潜伏変数の空間内で共同で進化する拡散過程を提案する。 統計モデルのパラメータを推定する実用的なアルゴリズムとして,この拡散について2つの明確な考察を行う。
  論文  参考訳（メタデータ） (2024-07-08T09:52:46Z)
• Understanding Diffusion Models by Feynman's Path Integral [2.4373900721120285]
  ファインマン積分経路を用いた拡散モデルの新しい定式化を導入する。 この定式化はスコアベース生成モデルの包括的記述を提供する。 また、後方微分方程式と損失関数の導出を示す。
  論文  参考訳（メタデータ） (2024-03-17T16:24:29Z)
• Calculating the expected value function of a two-stage stochastic optimization program with a quantum algorithm [0.0]
  2段階プログラミングは不確実性の下での意思決定における問題定式化である。 この研究は量子アルゴリズムを用いて、期待値関数をスピードアップで推定する。
  論文  参考訳（メタデータ） (2024-02-23T00:07:34Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• Interacting Particle Langevin Algorithm for Maximum Marginal Likelihood Estimation [2.53740603524637]
  我々は,最大限界推定法を実装するための相互作用粒子系のクラスを開発する。 特に、この拡散の定常測度のパラメータ境界がギブス測度の形式であることを示す。 特定の再スケーリングを用いて、このシステムの幾何学的エルゴディディティを証明し、離散化誤差を限定する。 時間的に一様で、粒子の数で増加しない方法で。
  論文  参考訳（メタデータ） (2023-03-23T16:50:08Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
  分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。 一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
  論文  参考訳（メタデータ） (2020-12-04T15:36:29Z)
• Quantum-enhanced analysis of discrete stochastic processes [0.8057006406834467]
  離散過程(DSP)の特性関数を計算する量子アルゴリズムを提案する。 時間ステップの数と線形にしか成長しない量子回路要素の数を用いて、確率分布を完全に定義する。 このアルゴリズムはすべての軌道を考慮に入れ、重要なサンプリングの必要性を排除している。
  論文  参考訳（メタデータ） (2020-08-14T16:07:35Z)
• Fast approximations in the homogeneous Ising model for use in scene analysis [61.0951285821105]
  我々は、推論に必要な量を数値計算できる正確な近似を提供する。 近似式はスケーラブルでマルコフランダム場の大きさに満足できないことを示す。 機能的磁気共鳴イメージングアクティベーション検出実験においてベイズ推論を行い, ピスタチオ樹収量の年次増加の空間パターンにおける異方性に対する確率比試験を行った。
  論文  参考訳（メタデータ） (2017-12-06T14:24:34Z)

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。