项目名称: 卷积网络编码编译码理论的进一步研究

项目编号: No.61201261

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 孙奇福

作者单位: 香港中文大学深圳研究院

项目金额: 25万元

中文摘要: 卷积网络编码是一类具有重要理论和工程应用意义的线性网络编码。为了拉近与实际应用之间的距离,卷积网络编码的编、译码理论仍有许多地方需要进一步完善,其中包括如何可靠地处理时延问题,如何分散式地设计高效编、译码核,以及如何保证安全传输等。本项目将以广义线性网络编码理论作为研究理论新基础,以时延不变卷积网络编码模型作为研究新方向,以卷积网络编码时变译码作为研究新方法,进一步完善卷积网络编码基础理论,并设计研究各类可靠、高效、安全、低复杂度、强可适性的卷积网络编码编、译码新方案。本项目将重点研究:(1)时变译码新方法与时不变经典译码方法的内在理论联系及其相互转化关系;(2)时延不变卷积网络编码的实际编、译码方案;(3)结合时延不变性质的安全卷积网络编码、静态卷积网络编码以及速率可变卷积网络编码等编码体系。我们相信本项目的研究将为卷积网络编码实际应用于新一代通信网络提供更加完善的理论基础和技术支持。

中文关键词: 线性网络编码;卷积网络编码;时变译码;时不变译码;线性解

英文摘要: Convolutional network coding is one type of linear network coding which plays an important role in both theory and engineering applications. However, in order to become more practical, it still needs to deal with several issues, such as how to handle delay problems, how to design efficient encoding and decoding kernels in a decentralized manner, and how to guarantee efficient data transmission etc. By taking the unified theory of linear network coding as a new theoretical foundation, the delay-invariant convolutional network code as a new model, and the time-variant decoding of convolutional network codes as a new method, this project aims at further enriching the fundamental theory of convolutional network coding, and better design of various reliable, efficient, secure, low-complexity, and adaptive convolutional network codes. This project will emphasize on the following topics: (1) Establish the intrinsic connection between time-variant new decoding method and time-invariant conventional decoding method, and deduce how one decoding scheme yields the other. (2) By integrative application of both decoding methods, study the real practical implementation of delay-invariant convolutional network codes. (3) Formulate the frameworks of delay-invariant property incorporated secure convolutional network codes, static

英文关键词: linear network coding;convolutional network coding;time-variant decoding;time-invariant decoding;linear solvability

成为VIP会员查看完整内容
0

相关内容

【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
【干货书】概率与信息,一种集成方法,291页pdf
专知会员服务
60+阅读 · 2021年9月1日
专知会员服务
39+阅读 · 2021年4月5日
专知会员服务
19+阅读 · 2021年4月1日
专知会员服务
14+阅读 · 2021年3月26日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
专知会员服务
107+阅读 · 2020年5月21日
【WWW2021】自监督多通道超图卷积网络
专知
3+阅读 · 2021年4月5日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
徒手实现CNN:综述论文详解卷积网络的数学本质
机器之心
25+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Verified Compilation of Quantum Oracles
Arxiv
0+阅读 · 2022年4月20日
Sensitivity of sparse codes to image distortions
Arxiv
0+阅读 · 2022年4月15日
Arxiv
16+阅读 · 2020年5月20日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
【干货书】概率与信息,一种集成方法,291页pdf
专知会员服务
60+阅读 · 2021年9月1日
专知会员服务
39+阅读 · 2021年4月5日
专知会员服务
19+阅读 · 2021年4月1日
专知会员服务
14+阅读 · 2021年3月26日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
专知会员服务
107+阅读 · 2020年5月21日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员