会员服务
Weight ·
2021 年 7 月 15 日
A Combinatorial Interpretation for the Shor-Laflamme Weight Enumerators of CWS Codes
翻译：CWS 代码的 Shor-Laflamme 重量计数器的组合解释
Andrew Nemec,Andreas Klappenecker
Andrew Nemec,Andreas Klappenecker
from arxiv, 4 pages, 1 figure

We show that one of the Shor-Laflamme weight enumerators of a codeword stabilized quantum code may be interpreted as the distance enumerator of an associated classical code.


翻译：我们显示,一个编码词稳定量子代码的Shor-Laflamme重量计数器可以被解释为相关古典代码的距离计数器。
0
下载
关闭预览

相关内容

【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知会员服务
74+阅读 · 2021年1月10日
最新《Transformers模型》教程，64页ppt
最新《Transformers模型》教程，64页ppt
专知会员服务
306+阅读 · 2020年11月26日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【上海交通大学-张拳石】可解释CNN，Interpretable CNNs for Object Classification
【上海交通大学-张拳石】可解释CNN，Interpretable CNNs for Object Classification
专知会员服务
44+阅读 · 2020年3月13日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
94+阅读 · 2020年3月12日
《可解释的机器学习-interpretable-ml》238页pdf
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
202+阅读 · 2020年2月24日
【开放书】预测模型:探索、解释和调试，以人为本的可解释机器学习，Predictive Models: Explore, Explain, and Debug，Human-Centered Interpretable Machine Learning
【开放书】预测模型:探索、解释和调试，以人为本的可解释机器学习，Predictive Models: Explore, Explain, and Debug，Human-Centered Interpretable Machine Learning
专知会员服务
36+阅读 · 2019年12月26日
【ICCV 2019 Workshop】Adaptive Confidence Smoothing for Generalized Zero-Shot Learning， 巴伊兰大学 Yuval Atzmon
【ICCV 2019 Workshop】Adaptive Confidence Smoothing for Generalized Zero-Shot Learning， 巴伊兰大学 Yuval Atzmon
专知会员服务
12+阅读 · 2019年10月31日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
分布式并行架构Ray介绍
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
暗通沟渠：Multi-lingual Attention
暗通沟渠：Multi-lingual Attention
我爱读PAMI
7+阅读 · 2018年2月24日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
The interplay of different metrics for the construction of constant dimension codes
Arxiv
0+阅读 · 2021年9月15日
Distilling GHZ States using Stabilizer Codes
Arxiv
0+阅读 · 2021年9月13日
Fast Margin Maximization via Dual Acceleration
Arxiv
4+阅读 · 2021年7月1日
Relative Positional Encoding for Transformers with Linear Complexity
Arxiv
8+阅读 · 2021年5月18日
This Looks Like That: Deep Learning for Interpretable Image Recognition
Arxiv
5+阅读 · 2018年12月19日
Learning with Interpretable Structure from RNN
Arxiv
19+阅读 · 2018年10月25日
Understanding and Improving Interpolation in Autoencoders via an Adversarial Regularizer
Understanding and Improving Interpolation in Autoencoders via an Adversarial Regularizer
Arxiv
3+阅读 · 2018年7月19日
Interpretable and Compositional Relation Learning by Joint Training with an Autoencoder
Arxiv
4+阅读 · 2018年5月24日
Correlated discrete data generation using adversarial training
Arxiv
5+阅读 · 2018年4月3日
Interpretable R-CNN
Arxiv
4+阅读 · 2017年11月14日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Weight
相关VIP内容
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知会员服务
74+阅读 · 2021年1月10日
最新《Transformers模型》教程，64页ppt
最新《Transformers模型》教程，64页ppt
专知会员服务
306+阅读 · 2020年11月26日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【上海交通大学-张拳石】可解释CNN，Interpretable CNNs for Object Classification
【上海交通大学-张拳石】可解释CNN，Interpretable CNNs for Object Classification
专知会员服务
44+阅读 · 2020年3月13日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
94+阅读 · 2020年3月12日
《可解释的机器学习-interpretable-ml》238页pdf
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
202+阅读 · 2020年2月24日
【开放书】预测模型:探索、解释和调试，以人为本的可解释机器学习，Predictive Models: Explore, Explain, and Debug，Human-Centered Interpretable Machine Learning
【开放书】预测模型:探索、解释和调试，以人为本的可解释机器学习，Predictive Models: Explore, Explain, and Debug，Human-Centered Interpretable Machine Learning
专知会员服务
36+阅读 · 2019年12月26日
【ICCV 2019 Workshop】Adaptive Confidence Smoothing for Generalized Zero-Shot Learning， 巴伊兰大学 Yuval Atzmon
【ICCV 2019 Workshop】Adaptive Confidence Smoothing for Generalized Zero-Shot Learning， 巴伊兰大学 Yuval Atzmon
专知会员服务
12+阅读 · 2019年10月31日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
热门VIP内容
相关资讯
分布式并行架构Ray介绍
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
暗通沟渠：Multi-lingual Attention
暗通沟渠：Multi-lingual Attention
我爱读PAMI
7+阅读 · 2018年2月24日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
The interplay of different metrics for the construction of constant dimension codes
Arxiv
0+阅读 · 2021年9月15日
Distilling GHZ States using Stabilizer Codes
Arxiv
0+阅读 · 2021年9月13日
Fast Margin Maximization via Dual Acceleration
Arxiv
4+阅读 · 2021年7月1日
Relative Positional Encoding for Transformers with Linear Complexity
Arxiv
8+阅读 · 2021年5月18日
This Looks Like That: Deep Learning for Interpretable Image Recognition
Arxiv
5+阅读 · 2018年12月19日
Learning with Interpretable Structure from RNN
Arxiv
19+阅读 · 2018年10月25日
Understanding and Improving Interpolation in Autoencoders via an Adversarial Regularizer
Understanding and Improving Interpolation in Autoencoders via an Adversarial Regularizer
Arxiv
3+阅读 · 2018年7月19日
Interpretable and Compositional Relation Learning by Joint Training with an Autoencoder
Arxiv
4+阅读 · 2018年5月24日
Correlated discrete data generation using adversarial training
Arxiv
5+阅读 · 2018年4月3日
Interpretable R-CNN
Arxiv
4+阅读 · 2017年11月14日
Top
微信扫码咨询专知VIP会员
Top