Aug, 2022

通过量子干涉实现无冲突联合采样以满足偏好

PDF
TL;DR本研究探讨了几种采样方法，这些方法可收敛到启发式联合选择概率矩阵，满足玩家的偏好，从而显著降低了计算成本和保密性问题。特别地，我们通过光子的量子干涉介绍了两种无冲突联合抽样方法，第一个系统允许玩家在具有相同偏好时隐藏其选择，第二个系统则通过信任的第三方假设遮蔽了玩家的选择。
collective decision-makingjoint selection probability matrixsampling methodsquantum interference of photonsconfidentiality
发现论文，激发创造
  • 非对称量子决策

    本研究理论和数值上研究了使用带有 OAM 的光子或缠绕光子的量子干涉实现不对称集体决策的方法，尽管成功实现了不对称性，但在所提出的模型中不可避免地存在光子损失，并且分析了不对称幅度的可用范围和获得所需不对称幅度的方法。

    May, 2023

  • 激光网络中通过滞后和零滞后同步实现无冲突的联合决策

    通过实验验证光网络作为光子加速器在竞争型多臂赌博问题中的应用，实现协同决策、冲突避免、低碰撞率和高奖励，并展示了该系统的可扩展性以及在激光动力学领域中智能功能的新可能性。

    Jul, 2023

  • 基于置信度熵的量子贝叶斯网络中干涉效应的不确定度测量

    本文提出了一种新的量子 - 类贝叶斯网络，以解释社会困境中人们的行为违反 Sure Thing 原则的现象，同时使用 Deng 熵提出了信仰距离概念，从而使得该模型在实证数据测试中证明是可预测和有效的。

    Sep, 2017

  • 从预测到决策：联合预测分布的重要性

    智能系统需要进行预测，在给定一些输入的情况下，可以预测相应的结果。大部分监督学习的工作都侧重于为每个输入产生准确的边际预测，但我们表明，在广泛的决策问题类中，需要准确的联合预测才能提供良好的性能。尤其是对组合决策问题，顺序预测和多臂老虎机等问题，我们建立了几个相关结果，说明联合预测分布的重要作用。我们的多臂老虎机处理引入了一种近似 Thompson 抽样算法和分析技术，导致了一种新的遗憾边界。

    Jul, 2021

  • 局部可取样的内容是什么？

    本研究通过分布式算法从 Gibbs 分布中采样，提出了两个基于马尔科夫链的算法，并探讨了在 LOCAL 模型中采样的问题。此外，研究了在最大度数为 Delta 的情况下，采样独立集的最小下界 diam，最终证明了构造本地可校验标签与采样之间的强分离。

    Feb, 2017

  • 关于线性光学量子复杂性的实验验证

    利用线性光学电路采样算法和观察 “波色云” 现象成功验证量子技术，为所有架构的量子技术提供了可行的验证方法。

    Nov, 2013

  • 加权采样的联合模型选择和超参数调优

    本研究探究了针对大型超参数空间的机器学习算法选择和超参数调优问题，并提出了一种新的抽样分布方法，以便与现有的机器学习方法进行比较和评估。我们发现，采用该抽样方法在所有情况下均可提高性能。

    Sep, 2019

  • 相关分布的非交互式模拟可判定

    该研究利用高斯几何和新的平滑策略，证明了对于任何有限字母表，可以在没有交互的情况下模拟 Alice 和 Bob 的分布 Q，这解决了一个关于信息论的基本问题。

    Jan, 2017

  • 非对称的领导者 - 落后者集群同步用于激光网络的集体决策

    利用混沌激光器和光子设备构建的机器学习能力及其重要性，通过量化稳定性分析，研究了集体决策的基本网络结构，展示了竞争多臂赌博问题中玩家的非对称偏好，扩展其功能以应用于更实际的场景。

    Dec, 2023

  • 设备独立认证 “量子霸权” 的采样复杂度

    证明实现正确性是量子设备展示卓越计算能力的关键挑战之一，本文表明，所有足够平坦的分布样本都需要指数级的设备使用才能进行验证。

    Dec, 2018