Yamagishi Complexity Torus Lab | 山岸勇輝ラボ

論文106 の記録のページです。住所（YOI）は https://www.yamagishiyuuki.com/yoi/106 で、論文の本文は下の PDF にあります。ファイルは自分で用意した置き場所（https://yamagishi.sakuraweb.com）に置き、日付の証拠（.ots）を添えています。Zenodo でも公開しています（DOI：10.5281/zenodo.21836984）。

本文はサイトの記事でも読めます：【論文106】雑音から信号を取り出す

@misc{yamagishi2026yoi106,
  author = {Yamagishi, Yuuki},
  title = {Extracting Signal from Noise},
  year = {2026},
  howpublished = {YOI: https://www.yamagishiyuuki.com/yoi/106},
  doi = {10.5281/zenodo.21836984},
  note = {Preprint, edition 1}
}

日付の証拠（OpenTimestamps）

2026年10月1日に、2 本の PDF の指紋（SHA-256）をまとめて OpenTimestamps に送り、ビットコインのブロック 969390・969398・969440 に記録されました（2026年10月01日 12:43（日本時間））。この .ots があれば、PDF がその時点で存在したことを、このサイトや運営者を信用しなくても、誰でも確かめられます。

書誌

要旨

体系の逆問題の家系（散乱＝GLM・論文89／境界値＝カルデロン・論文99／スペクトル＝カッツ・論文102）に、本稿は四人目＝統計の顔を加える。ノーバート・ウィーナー。彼のウィーナー・フィルタは、観測 $y=s+n$（信号＋雑音）から、隠れた信号 $s$ を平均二乗誤差が最小になるように最適推定する。周波数領域では $H(f)=\dfrac{S_{ss}(f)}{S_{ss}(f)+S_{nn}(f)}$、信号と雑音のパワースペクトルさえ分かれば、雑音の中から信号を最良に抜き出せる。これは第二次大戦の対空射撃（雑音まみれの追尾データから、敵機の未来位置を予測する）から生まれ、のちにサイバネティクス（制御と通信・フィードバック）へと広がった。本稿の芯は二つ。(1) J4（逆問題の構え）の統計版：ゼロテンション（89）が「完璧なヌルからの逸脱で隠れた原因を読む」だったのに対し、ウィーナーは「雑音（ヌル）の中の逸脱＝信号を、確率的に最良推定する」。結果から原因を読む構えの、統計版だ。これは著者の原点（釣り＝信号→隠れた原因／相場・FXの定量分析）と直に交わる。(2) 別根の峻別：決定論的逆問題（89/99/102・厳密復元）と統計的推定（ウィーナー・不確実性下の最適推定）は別根。さらにウィーナー（定常・ガウス・線形・最適）とマンデルブロ（非定常・ファットテール・記述的・論文94）は、同じ”市場”でも別根であり、むしろ緊張関係にある。正直に：ウィーナー・フィルタの最適性は仮定つき（定常性・既知スペクトル・線形）で、市場はそれを破る（94のファットテール）、だから予測手段（儲かる機械）として売らない（論文94/101の規律）。射程：確立された推定理論の構造的解釈（第2層）で、新しい数学も予言も生まない。宇宙OSは第3層・非科学のレンズ。

Abstract

To the corpus’s family of inverse problems (scattering = GLM, Paper 89; boundary-value = Calderón, Paper 99; spectral = Kac, Paper 102), this paper adds a fourth member、the statistical face: Norbert Wiener. His Wiener filter optimally estimates a hidden signal $s$ from an observation $y=s+n$ (signal plus noise) by minimizing the mean-square error. In the frequency domain, $H(f)=\dfrac{S_{ss}(f)}{S_{ss}(f)+S_{nn}(f)}$（given only the power spectra of signal and noise, one best extracts the signal from the noise. It was born from anti-aircraft fire control in World War II (predicting an aircraft’s future position from noisy tracking data) and later broadened into cybernetics (control and communication, feedback). The paper has two cores. (1) The statistical face of J4 (the inverse-problem stance): where Zero-Tension (89) was “read the hidden cause from deviations off a perfect null,” Wiener is “best-estimate the signal）the deviation within the noise (the null)（probabilistically”）the statistical version of reading the cause from the effect. This crosses directly with the author’s origin (fishing = signal → hidden cause; quantitative analysis of markets / FX). (2) Separation of distinct roots: deterministic inverse problems (89/99/102, exact recovery) and statistical estimation (Wiener, optimal estimation under uncertainty) are distinct roots. And Wiener (stationary, Gaussian, linear, optimal) and Mandelbrot (non-stationary, fat-tailed, descriptive, Paper 94) are distinct roots for the same “markets,” indeed in tension. Honestly: the optimality of the Wiener filter is conditional (stationarity, known spectra, linearity), and markets violate these (Mandelbrot’s fat tails)、so it is not sold as a prediction tool (a money machine) (the discipline of Papers 94/101). Scope: a Layer-2 structural interpretation of established estimation theory; no new mathematics and no new prediction. The Universe OS is a Layer-3 non-science lens.

版の記録

ここの PDF（倉庫の v1）は第1版（2026年8月）の原稿から作りました。ファイルは版ごとに分けて置いています（/yoi/106/v1/ の下）。中身を直すときは、このファイルを書き換えず、新しい版を足します（住所 https://www.yamagishiyuuki.com/yoi/106 はいつも最新の版を指します）。Zenodo の記録とは、Zenodo に上げる前の改訂のぶんだけ違うことがあります。

YOI の一覧へ