論文の概要: On the sample complexity of the generalized hidden shift problem over arbitrary finite groups

• arxiv url: http://arxiv.org/abs/2609.05828v1
• Date: Sat, 05 Sep 2026 02:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 12:35:40.939131
• Title: On the sample complexity of the generalized hidden shift problem over arbitrary finite groups
• Title（参考訳）: 任意の有限群上の一般化された隠れシフト問題の標本複雑性について
• Abstract要約: 任意の有限群上の一般化された隠れシフト問題を定式化する。 群理論データの観点から, サンプルの複雑さの上限値と下限値を求める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We formulate the generalized hidden shift problem over arbitrary finite groups and obtain upper and lower bounds for the sample complexity in terms of group theoretic data.
• Abstract（参考訳）: 任意の有限群上の一般化された隠れシフト問題を定式化し、群理論データの観点からサンプル複雑性の上下境界を求める。

関連論文リスト

• Sample Complexity of Composite Quantum Hypothesis Testing [1.376408511310322]
  我々は、対称合成二元量子仮説テストのサンプル複雑性を特徴づける。 具体的には、単純なQHTのサンプル複雑性を一般化する下界を導出する。 我々は、プライバシー保護複合QHTのサンプル複雑さを確立するために、差分的にプライベートな設定に分析を拡張した。
  論文  参考訳（メタデータ） (2026-01-13T14:15:12Z)
• Group-theoretical analysis of quantum complexity: the oscillator group case [0.0]
  本稿では、発振器群の表現に属するユニタリのニールセンの複雑性の導出について述べる。 特定のユニタリの複雑さに関する問題は、抽象構造を演算子レベルに引き上げることによって解決される。 我々は、少なくとも原理的には、表現に属する任意のユニタリ作用素の複雑さを計算します。
  論文  参考訳（メタデータ） (2025-12-19T13:17:18Z)
• Nearly Optimal Sample Complexity for Learning with Label Proportions [54.67830198790247]
  トレーニングセットの例をバッグにグループ化する部分情報設定であるLLP(Learning from Label Proportions)について検討する。 部分的な可観測性にもかかわらず、ゴールは個々の例のレベルで小さな後悔を達成することである。 我々は, LLPの2乗損失下でのサンプル複雑性について, 標本複雑性が本質的に最適であることを示す。
  論文  参考訳（メタデータ） (2025-05-08T15:45:23Z)
• Do we really need the Rademacher complexities? [3.683202928838613]
  凸クラスにおける2乗損失に関する学習の基本的な問題について検討する。 一般的な信念とは対照的に、最小限の仮定の下では、サンプルの複雑さはラデマッハ複雑性によって支配されないことが証明される。
  論文  参考訳（メタデータ） (2025-02-21T00:40:22Z)
• Chaos and multifold complexity for an inverted harmonic oscillator [0.0]
  複雑性は、交互にジグザグの順序で与えられた時間の組み合わせの最も長い置換に支配されていることを証明する。 多次複雑性の一般的な構造は、一般的な量子系に対して普遍的に真であるべきであると推測する。
  論文  参考訳（メタデータ） (2022-11-06T14:19:48Z)
• On-Demand Sampling: Learning Optimally from Multiple Distributions [63.20009081099896]
  社会と現実世界の考察は、マルチディストリビューション学習パラダイムの台頭につながっている。 これらの学習パラダイムの最適なサンプル複雑性を確立し、このサンプル複雑性を満たすアルゴリズムを提供する。 アルゴリズムの設計と解析は,ゼロサムゲーム解決のためのオンライン学習手法の拡張によって実現されている。
  論文  参考訳（メタデータ） (2022-10-22T19:07:26Z)
• Differentially-Private Clustering of Easy Instances [67.04951703461657]
  異なるプライベートクラスタリングでは、個々のデータポイントに関する情報を公開せずに、$k$のクラスタセンターを特定することが目標だ。 我々は、データが"簡単"である場合にユーティリティを提供する実装可能な差分プライベートクラスタリングアルゴリズムを提供する。 我々は、非プライベートクラスタリングアルゴリズムを簡単なインスタンスに適用し、結果をプライベートに組み合わせることのできるフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-29T08:13:56Z)
• Local versions of sum-of-norms clustering [77.34726150561087]
  本手法はボールモデルにおいて任意に閉じた球を分離できることを示す。 我々は、不連結連結集合のクラスタリングで発生する誤差に定量的な有界性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T14:45:29Z)
• Forster Decomposition and Learning Halfspaces with Noise [60.691817861402676]
  フォースター変換 (Forster transform) は、分布を優れた反集中特性を持つものに変換する演算である。 本稿では,Forster変換が存在し,効率よく計算できる少数の分布の解離混合として,任意の分布を効率的に分解可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-12T17:00:59Z)
• The dihedral hidden subgroup problem [0.0]
  有限群に対する標準部分群量子アルゴリズムの観点から、二面体群に対する隠れた問題の例を示す。 二面体コセット問題と量子状態のクローンとの新たな接続について説明する。
  論文  参考訳（メタデータ） (2021-06-18T04:19:10Z)
• GANs with Variational Entropy Regularizers: Applications in Mitigating the Mode-Collapse Issue [95.23775347605923]
  深層学習の成功に基づいて、GAN(Generative Adversarial Networks)は、観測されたサンプルから確率分布を学習するための現代的なアプローチを提供する。 GANはしばしば、ジェネレータが入力分布の既存のすべてのモードをキャプチャできないモード崩壊問題に悩まされる。 情報理論のアプローチを採り、生成したサンプルのエントロピーの変動的下限を最大化し、それらの多様性を増大させる。
  論文  参考訳（メタデータ） (2020-09-24T19:34:37Z)
• The Simulator: Understanding Adaptive Sampling in the Moderate-Confidence Regime [52.38455827779212]
  エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。 適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。 我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
  論文  参考訳（メタデータ） (2017-02-16T23:42:02Z)

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。