論文の概要: Numerical Derivatives, Projection Coefficients, and Truncation Errors in Analytic Hilbert Space With Gaussian Measure
- arxiv url: http://arxiv.org/abs/2504.16246v2
- Date: Sat, 17 May 2025 18:56:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-22 23:32:14.372211
- Title: Numerical Derivatives, Projection Coefficients, and Truncation Errors in Analytic Hilbert Space With Gaussian Measure
- Title（参考訳）: ガウス測度を用いた解析ヒルベルト空間における数値微分, 射影係数, 軌道誤差
- Authors: M. W. AlMasri,
- Abstract要約: グラフの観点から、与えられた正則関数のテイラー級数展開の先頭項を決定する新しい方法である射影係数アルゴリズムを導入する。
計算された導関数値の精度は、これらの内部積を評価するために使用される数値ルーチンの精度と信頼性に依存する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We introduce the projection coefficients algorithm, a novel method for determining the leading terms of the Taylor series expansion of a given holomorphic function from a graph perspective, while also analyzing the associated truncation errors. Let $ f(z) $ be a holomorphic function, and let $\langle \cdot, \cdot \rangle$ denote the inner product defined over an analytic Hilbert space equipped with a Gaussian measure. The derivatives $ f^{(n)}(z) $ at a point $ z_0 $ can be computed theoretically by evaluating an inner product of the form $ f^{(n)}(z_0) = \frac{\langle z^n, f(z) \rangle}{C}, $ where $ C $ is a normalization constant. Specifically, in the Bargmann space (the analytic Hilbert space with a Gaussian weight and orthogonal monomials), this constant is $ \pi $. This result assumes that $ f(z) $ is a holomorphic function of a single complex variable. The accuracy of the computed derivative values depends on the precision and reliability of the numerical routines used to evaluate these inner products. The projection coefficients offer valuable insights into certain properties of analytic functions, such as whether they are odd or even, and whether the $ n $-th derivatives exist at a given point $ z_0 $. Due to its relevance to quantum theory, our approach establishes a correspondence between quantum circuits derived from quantum systems and the theory of analytic functions. This study lays the groundwork for further applications in numerical analysis and approximation theory within Hilbert spaces equipped with Gaussian measures. Additionally, it holds potential for advancing fields such as quantum computing, reproducing kernel Hilbert space (RKHS) methods -- which are widely used in support vector machines (SVM) and other areas of machine learning -- and probabilistic numerics.
- Abstract（参考訳）: グラフの観点から、与えられた正則関数のテイラー級数展開の先頭項を決定する新しい手法である射影係数アルゴリズムを導入し、関連するトランケーション誤差を解析する。
f(z) $ を正則函数とし、$\langle \cdot, \cdot \rangle$ をガウス測度を備えた解析ヒルベルト空間上で定義される内部積とする。
微分 $ f^{(n)}(z) $ at a point $ z_0 $ は、理論上 f^{(n)}(z_0) = \frac{\langle z^n, f(z) \rangle}{C} という形の内積を評価することによって計算できる。
具体的には、バーグマン空間(ガウス重みと直交単項を持つ解析ヒルベルト空間)において、この定数は$ \pi $である。
この結果は、$ f(z) $ が 1 つの複素変数の正則函数であると仮定する。
計算された導関数値の精度は、これらの内部積を評価するために使用される数値ルーチンの精度と信頼性に依存する。
射影係数は解析函数の特定の性質、例えば奇数か偶数か、あるいは与えられた点 z_0 において n 番目の微分が存在するかどうかについての貴重な洞察を与える。
量子論との関係から、量子系から導かれる量子回路と解析関数の理論との対応性を確立する。
この研究は、ガウス測度を備えたヒルベルト空間における解析と近似理論のさらなる応用のための基礎となる。
さらに、量子コンピューティング、再生カーネルヒルベルト空間(RKHS)メソッド -- ベクトルマシン(SVM)や他の機械学習の分野で広く使われている -- や確率的数値など、前進する分野の可能性を秘めている。
関連論文リスト
- $p$-Adic Polynomial Regression as Alternative to Neural Network for Approximating $p$-Adic Functions of Many Variables [55.2480439325792]
任意の精度で連続関数を近似できる回帰モデルを構築している。
提案モデルは、ニューラルネットワークアーキテクチャに基づく$p$-adicモデルの簡単な代替と見なすことができる。
論文 参考訳（メタデータ） (2025-03-30T15:42:08Z) - Second quantization for classical nonlinear dynamics [0.0]
トリ上の無限次元回転系を通した測度保存エルゴード流の可観測物の進化を表現するための枠組みを提案する。
バナッハ代数スペクトルである $sigma(F_w(mathcal H_tau)$ が、潜在的無限次元のトーラス族に分解されることを示す。
また、このスキームでは、有限次元トーラス上の関数を任意の大きさの$sigma(F_w(mathcal H_tau)$で再現することにより、元のシステムの可観測性を表現する手順も採用している。
論文 参考訳（メタデータ） (2025-01-13T15:36:53Z) - Upper Bounds for Learning in Reproducing Kernel Hilbert Spaces for Non IID Samples [1.1510009152620668]
一般ヒルベルト空間におけるマルコフ連鎖に基づく勾配アルゴリズムについて検討し、二次損失関数の最適解を近似することを目的とした。
我々はこれらの結果を、カーネルヒルベルト空間を再現するオンライン正規化学習アルゴリズムに拡張する。
論文 参考訳（メタデータ） (2024-10-10T20:34:22Z) - Gaussian kernel expansion with basis functions uniformly bounded in $\mathcal{L}_{\infty}$ [0.6138671548064355]
カーネル拡張は、機械学習にかなりの関心を持つトピックである。
この論文における最近の研究は、$mathcalL_infty$で一様有界基底関数を仮定することによって、これらの結果のいくつかを導いた。
我々の主な成果は、任意の$p>1$に対して$ell_p$の重みを持つガウス核展開の$mathbbR2$の構築である。
論文 参考訳（メタデータ） (2024-10-02T10:10:30Z) - Tensor network approximation of Koopman operators [0.0]
本稿では,測度保存エルゴディックシステムの可観測物の進化を近似する枠組みを提案する。
提案手法は,スキューアジョイント・クープマン発生器のスペクトル収束近似に基づく。
この量子に着想を得た近似の重要な特徴は、次元$(2d+1)n$のテンソル積空間から情報を取得することである。
論文 参考訳（メタデータ） (2024-07-09T21:40:14Z) - Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳（メタデータ） (2024-04-29T15:04:07Z) - One-dimensional pseudoharmonic oscillator: classical remarks and
quantum-information theory [0.0]
位置の正の二次函数と逆二次函数の組合せであるポテンシャルの運動を考える。
粒子エネルギーと、その成分の相対的な強度を記述する因子である$mathfraka$について述べる。
論文 参考訳（メタデータ） (2023-04-13T11:50:51Z) - Theory of free fermions under random projective measurements [43.04146484262759]
本研究では,一次元自由フェルミオンを局所的占有数のランダム射影的測定対象とする解析的手法を開発した。
問題の有効場理論として非線形シグマモデル(NLSM)を導出する。
論文 参考訳（メタデータ） (2023-04-06T15:19:33Z) - Efficient displacement convex optimization with particle gradient
descent [57.88860627977882]
粒子勾配降下は確率測度の関数の最適化に広く用いられている。
本稿では, 有限個の粒子による粒子勾配降下について考察し, その理論的保証を定式化して, 測度に置換凸となる関数を最適化する。
論文 参考訳（メタデータ） (2023-02-09T16:35:59Z) - Random matrices in service of ML footprint: ternary random features with
no performance loss [55.30329197651178]
我々は、$bf K$ の固有スペクトルが$bf w$ の i.d. 成分の分布とは独立であることを示す。
3次ランダム特徴(TRF)と呼ばれる新しいランダム手法を提案する。
提案したランダムな特徴の計算には乗算が不要であり、古典的なランダムな特徴に比べてストレージに$b$のコストがかかる。
論文 参考訳（メタデータ） (2021-10-05T09:33:49Z) - Stochastic behavior of outcome of Schur-Weyl duality measurement [45.41082277680607]
我々は、$n$ qubits上のシュル=ワイル双対性に基づく分解によって定義される測定に焦点をあてる。
我々は、$n$が無限大に進むとき、中心極限の一種を含む様々な種類の分布を導出する。
論文 参考訳（メタデータ） (2021-04-26T15:03:08Z) - High-Dimensional Gaussian Process Inference with Derivatives [90.8033626920884]
低データ状態の$ND$では、Gram行列は$mathcalO(N2D + (N2)3)$に推論のコストを下げる方法で分解できることを示す。
最適化や予測勾配を持つハミルトニアンモンテカルロなど、機械学習に関連する様々なタスクでこの可能性を実証する。
論文 参考訳（メタデータ） (2021-02-15T13:24:41Z) - Nonparametric approximation of conditional expectation operators [0.3655021726150368]
最小の仮定の下で、$[Pf](x) := mathbbE[f(Y) mid X = x ]$ で定義される$L2$-operatorの近似について検討する。
我々は、再生されたカーネル空間上で作用するヒルベルト・シュミット作用素により、作用素ノルムにおいて$P$が任意に適切に近似できることを証明した。
論文 参考訳（メタデータ） (2020-12-23T19:06:12Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳（メタデータ） (2020-06-12T10:21:40Z) - Spectral density estimation with the Gaussian Integral Transform [91.3755431537592]
スペクトル密度作用素 $hatrho(omega)=delta(omega-hatH)$ は線形応答論において中心的な役割を果たす。
スペクトル密度を近似する近似量子アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2020-04-10T03:14:38Z)
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。