論文の概要: Estimating the generator of matrix exponential time-series

• arxiv url: http://arxiv.org/abs/2611.04521v1
• Date: Tue, 03 Nov 2026 08:44:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.762556
• Title: Estimating the generator of matrix exponential time-series
• Title（参考訳）: 行列指数時間列の生成元の推定
• Abstract要約: 行列指数時間列の生成元とその固有値を推定する。 我々は、ジェネレータ推定を解く実用的なアルゴリズムであるgenESPRIT上で、厳密な非漸近精度保証を得る。
• 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: The achievable precision in estimating the spectrum of a time-series signal that is promised to be sparse in Fourier space deteriorates rapidly as the spectral peaks get closer together, as soon as we introduce noise. Here, we study the related task of generator estimation: estimating the generator of a matrix exponential time-series and its eigenvalues. We obtain rigorous non-asymptotic precision guarantees on genESPRIT, a practical algorithm solving generator estimation, and show that this task can be solved with precision independent of the spectral spacing. The guarantees are complemented by a Cramér--Rao analysis of a relaxation of the problem. In particular, in the case of unitary data with bounded additive noise with effective entrywise variance $σ^2$, we show that genESPRIT estimates the associated propagator matrix in Frobenius norm with precision scaling as $\tilde{\mathcal{O}}(σNL^{-\frac12})$ in the length of the time-series $L$ and matrix dimension $N$, matching the corresponding spectrum-independent Cramér--Rao standard deviation scaling up to logarithmic factors. We prove that the matching distance error in the spectrum estimated by genESPRIT scales as $\tilde{\mathcal{O}} (σ^2 N^3 L^{-1} + σN^{\frac32} L^{-\frac32} )$, which we compare to the lower bound on the corresponding Cramér--Rao bound with the asymptotic standard deviation scaling $\mathcal{O}(σL^{-\frac32})$. These guarantees provide the first rigorous bounds on solving the generator estimation problem. As the matrix exponential time-series can be obtained from linearly independent vector time-series by concatenation, this work opens up a new direction in spectral estimation, which circumvents the problem of crowded spectra, under the additional assumption of linear independence.
• Abstract（参考訳）: フーリエ空間でスパースすることを約束する時系列信号のスペクトルを推定する達成可能な精度は、ノイズを導入するとすぐにスペクトルピークが接近するにつれて急速に低下する。 本稿では,行列指数時間列の生成元とその固有値を推定するジェネレータ推定の関連課題について検討する。 我々は、ジェネレータ推定の実用的なアルゴリズムであるgenESPRITの厳密な非漸近精度保証を取得し、この課題がスペクトル間隔に依存しない精度で解決可能であることを示す。 これらの保証はクラメール・ラオによる問題を緩和する分析によって補完される。 特に、有界加法ノイズを持つ有界加法ノイズを持つ一元データの場合、 σ^2$ に対し、genESPRIT はフロベニウスノルムにおける関連するプロパゲータ行列を精度のスケーリングで推定し、$\tilde{\mathcal{O}}(σNL^{-\frac12})$ の時間列長$L$ と行列次元$N$ の長さで、対応するスペクトル非依存のクラメル-ラオ標準偏差を対数因子までスケーリングすることを示した。 genESPRIT で推定されるスペクトルのマッチング距離誤差は $\tilde{\mathcal{O}} (σ^2 N^3 L^{-1} + σN^{\frac32} L^{-\frac32} )$ であり、これは漸近的標準偏差スケーリング $\mathcal{O}(σL^{-\frac32})$ と対応するクラメル-ラオ境界の下限と比較する。 これらの保証は、ジェネレータ推定問題の解法において、最初の厳密な境界を提供する。 行列指数時間列は連結により線形独立なベクトル時系列から得られるので、この研究はスペクトル推定における新たな方向を開き、線形独立の仮定が加わった場合、共役スペクトルの問題を回避できる。

関連論文リスト

• Spectral Convergence of Random Feature Method in Multiple Dimensions [5.361030050051251]
  我々はまず,ソボレフ,ゲブリー,超分析,帯域制限クラスにおける多次元目標に対するランダム特徴法(RFM)のスペクトル収束性を示す。 この分析は一般的なメカニズムを特定しており、高精度なスペクトル近似が重篤な条件付けを引き起こすのと同じである。
  論文  参考訳（メタデータ） (2026-09-03T06:01:00Z)
• Inference for High-Dimensional Sparse Spectral Precision Matrices [3.260049048085003]
  固定周波数におけるスペクトル精度行列の推測は、周波数特異的な条件付き関係のテストを可能にする。 既存のアプローチでは、離散フーリエラッソに対する完全な可能性ベースの推論は提供されない。 スパーススペクトル精度行列のための高次元推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-06T05:27:35Z)
• High-accuracy sampling from constrained spaces with the Metropolis-adjusted Preconditioned Langevin Algorithm [12.405427902037971]
  本稿では,$mathbbRd$の適切な凸部分集合である対象分布から近似サンプリングを行う1次サンプリング法を提案する。 提案手法は,事前条件付きLangevinアルゴリズムの単一ステップで生成したマルコフ連鎖にメトロポリス・ハスティングスフィルタを適用した結果である。
  論文  参考訳（メタデータ） (2024-12-24T23:21:23Z)
• Sampling and estimation on manifolds using the Langevin diffusion [45.57801520690309]
  離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。 誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
  論文  参考訳（メタデータ） (2023-12-22T18:01:11Z)
• Multi-Irreducible Spectral Synchronization for Robust Rotation Averaging [1.2289361708127877]
  雑音の測定値として、SO$における未知の向きの集合を$R_1, ..., R_Nで推定する方法を示す。 その結果, 正確な推定を実現するために, エフェクトが保証される計測ネットワークを考案する方法が示唆された。
  論文  参考訳（メタデータ） (2023-11-28T06:25:26Z)
• Optimal and instance-dependent guarantees for Markovian linear stochastic approximation [47.912511426974376]
  標準スキームの最後の繰り返しの2乗誤差に対して、$t_mathrmmix tfracdn$の非漸近境界を示す。 マルコフ雑音による政策評価について,これらの結果のまとめを導出する。
  論文  参考訳（メタデータ） (2021-12-23T18:47:50Z)
• Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
  カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。 我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。 MRP のサブクラスに対する minimax の下位境界を証明する。
  論文  参考訳（メタデータ） (2021-09-24T14:48:20Z)
• Mean-Square Analysis with An Application to Optimal Dimension Dependence of Langevin Monte Carlo [60.785586069299356]
  この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。 我々の理論解析は数値実験によってさらに検証される。
  論文  参考訳（メタデータ） (2021-09-08T18:00:05Z)
• 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。