論文の概要: Adaptive Record Consistency in a Schulman-Type Model

• arxiv url: http://arxiv.org/abs/2609.17607v2
• Date: Sat, 19 Sep 2026 22:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 03:38:27.358813
• Title: Adaptive Record Consistency in a Schulman-Type Model
• Title（参考訳）: シュルマン型モデルにおける適応的記録整合性
• Abstract要約: 古典的なフィードバックによって実験が接続された場合, 逆因果モデルが観測可能な記録を保存するかどうかを適応測定により検証する。 有限幅, コプラナー型, 正ラップコーシー伝搬重みを持つソースに対して, 厳密かつ定量的な組成制約を定めている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adaptive measurements test whether a retrocausal model preserves observable records when experiments are connected by classical feedback. We establish exact and quantitative composition constraints for a finite-width, coplanar Schulman-type source with positive wrapped-Cauchy propagation weights. Raw segment composition admits an explicit adaptive signalling witness. A uniquely determined scalar correction preserves recorded continuations, and a detector with preparation memory implements this correction while retaining the source correlations. For common, independently prepared terminal detectors coupled to the source through arrival angles, exact calibration forces equal-mass antipodal atomic responses. Under setting-only raw feedback, the sharp minimum worst disturbance of an earlier record is $ε_\star(0)=[2\cosh(2Γ)]^{-1}$, where $Γ$ is the total source-path width. We derive explicit finite-error bounds and prove linear small-error improvement. For four settings at $Γ=0.4$, a uniform reduction over arbitrary nonnegative response measures and a continuous polynomial certificate establish $ε_\star(δ)=ε_\star(0)-C_{0.4}δ+O(δ^2)$, with $C_{0.4}\simeq9.351091771057010$. A positive five-atom detector attains this coefficient. The results quantify the compatibility of isolated-source accuracy and adaptive record preservation, and provide precise design conditions for retrocausal apparatus models with explicit preparation, memory, and control.
• Abstract（参考訳）: 古典的なフィードバックによって実験が接続された場合, 逆因果モデルが観測可能な記録を保存するかどうかを適応測定により検証する。 有限幅, コプラナー型シュルマン型ソースに対して, 正の包み付きコーシー伝搬重みを持つ正確な, 定量的な組成制約を定めている。 RAWセグメント合成は、明示的な適応的なシグナル伝達証人を認める。 一意に決定されたスカラー補正は記録された継続を保存し、準備メモリ付き検出器はソース相関を維持しながらこの補正を実行する。 共通して、独立に作られた終端検出器は、到着角を介してソースに結合し、正確な校正力は対足虫の原子応答と等しく等しい。 設定のみの生フィードバックの下では、前のレコードの最も急激な最悪の障害は、$ε_\star(0)=[2\cosh(2))]^{-1}$である。 我々は、明示的な有限エラー境界を導出し、線形小エラー改善を証明した。 任意の非負反応測度に対する一様還元と連続多項式証明により、$ε_\star(δ)=ε_\star(0)-C_{0.4}δ+O(δ^2)$、$C_{0.4}\simeq9.351091771057010$となる。 正の5原子検出器がこの係数を得る。 その結果、分離音源の精度と適応レコード保存の整合性を定量化し、明示的な準備、記憶、制御を備えた後頭部装置モデルの正確な設計条件を提供する。

関連論文リスト

• Marginal Coordinate Test for Fréchet Regression with Random Objects [15.929485404318557]
  分離可能な距離空間におけるユークリッド予測器とランダムオブジェクト応答を用いた回帰テストを開発する。 我々は、重み付けされた中央2乗のヌル限界、ワイルドブートストラップの有効性、および固定検出可能な代替品に対する一貫性を確立する。 同時推論では、truncated p-to-e calibrationとe-BHを組み合わせることで、一般的な依存下での誤検出率の制御が可能になる。
  論文  参考訳（メタデータ） (2026-08-31T11:48:12Z)
• Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
  高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。 WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。 安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
  論文  参考訳（メタデータ） (2026-08-18T09:32:03Z)
• Caliber: Cross-Architecture Extraction-Cost Control for Score-Returning APIs [27.21644231867863]
  Caliberは、キャリブレーション問題としてノイズ選択を定式化するモデル抽出に対する防御である。 知識蒸留に返却されたスコアを使用する攻撃者に対して、Caliberは独立して同一に分散したガウスノイズを内部ロジットに追加する。 Caliberは、正方形中央2対数辺による雑音分散を正規化し、その結果の雑音効用関係をロジスティック曲線に適合させる。
  論文  参考訳（メタデータ） (2026-08-02T05:58:00Z)
• Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
  本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。 この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。 重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
  論文  参考訳（メタデータ） (2026-05-25T10:24:32Z)
• When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression [1.14219428942199]
  標準的なプラクティスは、信頼性カットオフで校正されたスコアをしきい値にし、ハードラベルを真実として扱うことである。 疑似ラベリングパイプラインのためのキャリブレーション対応診断装置を開発した。 我々は、下流回帰係数において信頼しきい値が誘導する減衰バイアスの閉形式式を導出する。
  論文  参考訳（メタデータ） (2026-05-12T21:49:11Z)
• Active Learning for Conditional Generative Compressed Sensing [45.88028371034407]
  生成的圧縮センシングは、限られた測定値から構造化信号を復元する非線形モデルとして、事前訓練されたジェネレータの範囲を使用する。 本フレームワークでは,サンプリング分布の設計に使用するプロンプトと,リカバリモデルの定義に使用するプロンプトの2つを分離する。 安定拡散実験により、クリストッフェルサンプリング分布を有意に再構成し、画像回復に影響を与えることが示されている。
  論文  参考訳（メタデータ） (2026-05-06T20:50:14Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions [0.0]
  ゲノミクスの実験では、交換可能性はしばしば、対象変数を「影響を受けない」ままにしておく介入のサブセットにのみ保持される。 i)「影響のない」キャリブレーション例の誤分類が、明示的な関数$g(,n)$の汚染分数とキャリブレーションセットサイズを介してどのようにカバレッジを劣化させるか、および (ii) 2つの後続指標$Z_a,i=mathbf1iinmathrmdesc(a)$のみを推定するタスク駆動部分因果学習の定式化。
  論文  参考訳（メタデータ） (2026-03-02T18:58:22Z)
• Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
  自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。 任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。 本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
  論文  参考訳（メタデータ） (2026-02-19T17:21:15Z)
• One-Shot Federated Ridge Regression: Exact Recovery via Sufficient Statistic Aggregation [0.7106986689736825]
  フェデレート・リッジ回帰(Federated ridge regression)は、各クライアントが局所的な十分な統計を計算し、一度送信する分散平衡問題である。 我々は、クライアント1回に1回ノイズが注入された場合の差分プライバシー保証を確立し、マルチラウンドプロトコルのプライバシを低下させる構成ペナルティを排除した。 合成ヘテロジニアス回帰の実験では、単発核融合はFedAvgの精度と一致し、通信コストは最大38時間以下であることが示されている。
  論文  参考訳（メタデータ） (2026-01-13T04:47:22Z)

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。