論文の概要: A Quantum Information Theoretic Approach to Tractable Probabilistic Models
- arxiv url: http://arxiv.org/abs/2506.01824v1
- Date: Mon, 02 Jun 2025 16:07:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 01:42:09.318009
- Title: A Quantum Information Theoretic Approach to Tractable Probabilistic Models
- Title（参考訳）: トラクタブル確率モデルに対する量子情報理論のアプローチ
- Authors: Pedro Zuidberg Dos Martires,
- Abstract要約: 量子情報理論の枠組みを用いて機械学習モデルを研究する。
我々は、正の実数値確率に対する回路評価を、正半定値行列に対する回路評価に一般化する。
- 参考スコア（独自算出の注目度）: 4.724177741282789
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: By recursively nesting sums and products, probabilistic circuits have emerged in recent years as an attractive class of generative models as they enjoy, for instance, polytime marginalization of random variables. In this work we study these machine learning models using the framework of quantum information theory, leading to the introduction of positive unital circuits (PUnCs), which generalize circuit evaluations over positive real-valued probabilities to circuit evaluations over positive semi-definite matrices. As a consequence, PUnCs strictly generalize probabilistic circuits as well as recently introduced circuit classes such as PSD circuits.
- Abstract（参考訳）: 再帰的に和と積をネストすることにより、確率回路は、例えば確率変数のポリ時間境界化を楽しみながら、魅力的な生成モデルのクラスとして近年出現している。
本研究では,これらの機械学習モデルを量子情報理論の枠組みを用いて研究し,正の半定値行列上の回路評価に対して正の実数値確率よりも回路評価を一般化する正のユニタリ回路(PUnC)を導入する。
その結果、PUnCはPSD回路のような最近導入された回路クラスと同様に確率回路を厳密に一般化した。
関連論文リスト
- Expressiveness of Commutative Quantum Circuits: A Probabilistic Approach [1.0864391406042209]
本研究では,可換量子回路のフレームポテンシャルと表現性について検討する。
確率変数の特性関数として量子期待とペアワイズ忠実度を表現し、格子上のランダムウォークの繰り返し確率として表現する。
論文 参考訳（メタデータ） (2024-04-30T17:22:33Z) - Pruning-Based Extraction of Descriptions from Probabilistic Circuits [5.322838001065884]
確率回路を用いて、正にラベル付けされた実例から概念を学習する。
これらの回路は、このタスクに魅力的なトラクタブルモデルを形成するが、ドメインの専門家がそれらを検査し分析することは困難である。
本稿では,学習した確率回路を論理に基づく識別モデルに変換することにより,この問題を解決することを提案する。
論文 参考訳（メタデータ） (2023-11-22T13:19:45Z) - Do Quantum Circuit Born Machines Generalize? [58.720142291102135]
本稿では,量子生成モデルの積分評価指標としてQCBMの一般化性能を示す文献で最初に紹介する。
そこで本研究では,QCBMがデータセットの再重み付けを効果的に学習し,未確認のサンプルをトレーニングセットよりも高い品質で生成可能であることを示す。
論文 参考訳（メタデータ） (2022-07-27T17:06:34Z) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳（メタデータ） (2021-10-11T18:00:20Z) - Sum-Product-Attention Networks: Leveraging Self-Attention in
Probabilistic Circuits [20.319616691247827]
本稿では,確率回路と変換器を統合する新しい生成モデルであるSum-Product-Attention Networks (SPAN)を紹介する。
SPANは自己アテンションを用いて確率回路の最も関連性の高い部分、すなわち和積ネットワークを選択し、基礎となる和積ネットワークのモデリング能力を改善する。
実験により、SPANは様々なベンチマークデータセット上で、最先端の確率的生成モデルよりも優れており、効率的な生成画像モデルであることが示された。
論文 参考訳（メタデータ） (2021-09-14T11:20:54Z) - PSD Representations for Effective Probability Models [117.35298398434628]
最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。
我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。
本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
論文 参考訳（メタデータ） (2021-06-30T15:13:39Z) - Probabilistic Generating Circuits [50.98473654244851]
効率的な表現のための確率的生成回路(PGC)を提案する。
PGCは、非常に異なる既存モデルを統一する理論的なフレームワークであるだけでなく、現実的なデータをモデル化する大きな可能性も示している。
我々はPCとDPPの単純な組み合わせによって簡単に仮定されない単純なPGCのクラスを示し、一連の密度推定ベンチマークで競合性能を得る。
論文 参考訳（メタデータ） (2021-02-19T07:06:53Z)
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。