百度入选ICML、IJCAI、ISIT等机器学习顶会的论文都在关注什么？( 七 ) 2021年

文章图片
Sketching和数据压缩是一个学术界和工业界都非常热门的课题，百度的研究员，从2005年（加入百度前）就开始从事这方面的研究，曾获得KDD和NIPS的最佳论文奖，和CommunicationsoftheACM的受邀曝光论文。近年来，百度在这方面的论文包括：
lAAAI2019,Sign-FullRandomProjectionlNeurIPS2019,RandomProjectionswithAsymmetricQuantizationlNeurIPS2019,GeneralizationErrorAnalysisofQuantizedCompressiveLearninglNeurIPS2019,Re-randomizedDensificationforOnePermutationHashingandBin-wiseConsistentWeightedSamplinglIEEETransInformationTheory2018,OntheTrade-OffBetweenBitDepthandNumberofSamplesforaBasicApproachtoStructuredSignalRecoveryFromb-BitQuantizedLinearMeasurementslKDD2018,R2SDH:RobustRotatedSupervisedDiscreteHashinglNIPS2017,SimplestrategiesforrecoveringinnerproductsfromcoarselyquantizedrandomprojectionslWWW2017,TheoryoftheGMMKernel18.使用两个时间尺度的随机EM算法
Two-TimescaleStochasticEMAlgorithms
期望最大化(EM)算法是学习潜变量模型的流行方法。在本文中，我们基于随机更新的两阶段方法提出了一类称为双时间尺度EM方法的通用算法，来解决潜变量模型中很困难的非凸优化任务。我们通过在两个噪声源上调用该方法每个阶段的方差减少优点来激发双动态的选择，增量更新的索引采样和MC近似。我们为非凸目标函数建立有限时间和全局收敛边界。文中还介绍了在各种模型上的数值应用，例如用于图像分析的可变形模板或高斯混合模型，来说明我们的发现。

文章图片
19.量子相干性提纯和随机数提取的有限元分析
FiniteBlockLengthAnalysisonQuantumCoherenceDistillationandIncoherentRandomnessExtraction
论文链接：https://arxiv.org/abs/2002.12004
量子计算被认为是下一代计算科技的核心，其强大的计算能力来源于量子比特所特有的相干性或叠加性。由于外界环境会干扰量子比特，如何长时间维持或者提高/提纯一个量子比特的相干性是一个急于解决的问题。理论上，研究者们对多个弱相干量子比特转化到少量强相干量子比特进行了大量研究，并且重点关注前后量子比特的转化率。之前的研究在各种情形下对此转化率进行了一阶估计，但实际使用时非常粗糙。
本文通过引入一个量子随机数提取的新模型，并建立此模型和量子相干性提纯的一一对应关系，首次获得了相干比特转化率的精确的二阶估计，极大地强化了已有的结果。本文在推进量子相干性研究的同时，也证明了相干性和随机性准确的对应关系，揭示了两种不同量子属性的共同本质。

文章图片
20.量子信道反馈辅助信道容量的上界
UpperBoundontheClassicalCapacityofAQuantumChannelAssistedbyClassicalFeedback
论文链接：https://arxiv.org/abs/2010.01058
量子通信是量子科技的核心，量子信道用于传输经典信息的能力是量子信息研究的中心课题。不同于经典信息论，量子信息论中的信道容量问题至今还没有完全解决，如何确定量子信道的信道容量是非常关键但又充满挑战的问题。
【百度入选ICML、IJCAI、ISIT等机器学习顶会的论文都在关注什么？】本文通过引入两方量子信道的信息度量的方法，首次给出了量子信道反馈辅助信道容量的系统分析。该文中建立的量子信道容量的上界可以通过半正定规划进行高效计算，可直接用于估计量子信道在反馈辅助的情况下能无错误传送的最大信息率。值得一提的是，本文作者之一是著名的解决大数分解问题量子算法的提出者——PeterShor教授。