Fugu-MT 論文翻訳(概要): MUBs from bent functions

論文の概要: MUBs from bent functions

arxiv url: http://arxiv.org/abs/2605.17594v1
Date: Sun, 17 May 2026 18:45:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 17:57:48.221744
Title: MUBs from bent functions
Title（参考訳）: 曲がり関数からのMUB
Authors: William M. Kantor,
Abstract要約: このノートには MUB の完全集合の簡単な構成が含まれている。これは曲がった関数を使って、新しい基底ベクトルを標準基底の明示的な線型結合として記述する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This note contains a simple construction of complete sets of MUBs, using bent functions to write the new basis vectors as explicit linear combinations of the standard basis.
Abstract（参考訳）: このノートには MUB の完全集合の簡単な構成が含まれており、ベント関数を使って新しい基底ベクトルを標準基底の明示的な線型結合として記述する。

関連論文リスト

Learning Unbiased Permutations via Flow Matching [22.51828421737954]
PermFlowは、置換学習のための条件付きフローマッチングフレームワークである。単一のモードに折り畳むのではなく、マルチモーダルな置換分布をキャプチャする。あいまいな入力に対して高い精度を実現し、あいまいさの下で両方の有効な置換を復元する。
論文参考訳（メタデータ） (2026-05-16T02:10:35Z)
Coefficient-Decoupled Matrix Product Operators as an Interface to Linear-Combination-of-Unitaries Circuits [0.0]
パウリサム作用素に対する係数分解行列積演算子表現を導入する。この表現は、線形結合回路への直接インターフェースを提供する。
論文参考訳（メタデータ） (2026-03-25T21:14:47Z)
Monotone and Separable Set Functions: Characterizations and Neural Models [30.064497768159068]
プロパティ Monotone and Separating (MAS) セット関数を満たす関数を呼び出します。我々はMAS関数が存在しないことを示すが、緩和されたMAS特性を確実に享受する我々のモデルを提供する。また、MAS関数は、構成によって単調である普遍モデルを構築し、すべての単調集合関数を近似することができることを示す。
論文参考訳（メタデータ） (2025-10-24T09:59:07Z)
Scalable quantum circuits for $n$-qubit unitary matrices [0.0]
この研究は、最適化に基づくスケーラブルな量子ニューラルネットワークフレームワークで、ユニタリの一般的なパラメトリック表現を通じて$n$-qubitのユニタリを近似する。
論文参考訳（メタデータ） (2023-04-27T11:15:40Z)
Linear Spaces of Meanings: Compositional Structures in Vision-Language Models [110.00434385712786]
事前学習された視覚言語モデル(VLM)からのデータ埋め込みにおける構成構造について検討する。まず,幾何学的観点から構成構造を理解するための枠組みを提案する。次に、これらの構造がVLM埋め込みの場合の確率論的に持つものを説明し、実際に発生する理由の直観を提供する。
論文参考訳（メタデータ） (2023-02-28T08:11:56Z)
Neural Estimation of Submodular Functions with Applications to Differentiable Subset Selection [50.14730810124592]
サブモジュール関数と変種は、多様性とカバレッジを特徴付ける能力を通じて、データ選択と要約のための重要なツールとして登場した。本稿では,モノトーンおよび非モノトーン部分モジュラー関数のためのフレキシブルニューラルネットワークであるFLEXSUBNETを提案する。
論文参考訳（メタデータ） (2022-10-20T06:00:45Z)
Bilinear Classes: A Structural Framework for Provable Generalization in RL [119.42509700822484]
Bilinear Classesは強化学習の一般化を可能にする新しい構造フレームワークである。このフレームワークは、サンプルの複雑さが達成可能な、ほとんどすべての既存のモデルを取り込んでいる。我々の主な成果は、双線形クラスのためのサンプル複雑性を持つRLアルゴリズムである。
論文参考訳（メタデータ） (2021-03-19T16:34:20Z)
Modular Networks for Compositional Instruction Following [102.152217117883]
本稿では,多様なサブゴールのシーケンスを記述する自然言語命令に従うモジュールアーキテクチャを提案する。実行すべきモジュールのシーケンスは、命令をセグメント化し、各セグメントのサブゴール型を予測することを学ぶことで選択される。 ALFREDの標準の非モジュラー列列列列法と比較すると、モジュラー化は新たなサブゴラル合成への一般化を改善することが判明した。
論文参考訳（メタデータ） (2020-10-24T03:48:45Z)
Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文参考訳（メタデータ） (2019-06-05T07:15:17Z)

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。