We investigate variable-length feedback (VLF) codes for the Gaussian point-to-point channel under maximal power, average error probability, and average decoding time constraints. Our proposed strategy chooses $K < \infty$ decoding times $n_1, n_2, \dots, n_K$ rather than allowing decoding at any time $n = 0, 1, 2, \dots$. We consider stop-feedback, which is one-bit feedback transmitted from the receiver to the transmitter at times $n_1, n_2, \ldots$ only to inform her whether to stop. We prove an achievability bound for VLF codes with the asymptotic approximation $\ln M \approx \frac{N C(P)}{1-\epsilon} - \sqrt{N \ln_{(K-1)}(N) \frac{V(P)}{1-\epsilon}}$, where $\ln_{(K)}(\cdot)$ denotes the $K$-fold nested logarithm function, $N$ is the average decoding time, and $C(P)$ and $V(P)$ are the capacity and dispersion of the Gaussian channel, respectively. Our achievability bound evaluates a non-asymptotic bound and optimizes the decoding times $n_1, \ldots, n_K$ within our code architecture.


翻译:我们根据最大功率、平均误差概率和平均解码时间限制,调查高斯点对点频道的可变长反馈代码。 我们的拟议战略选择 $K <\ infty$ decoding乘以$_1, n_2,\ dots, n_K$, 而不是允许在任何时候解码 $n= 0, 1, 2,\ dots。 我们考虑中继为接收器传送到发报机的一元反馈, 时值为$_1, n_2,\ ldots, 只是为了通知她是否停止。 我们证明, 将VLF代码的可实现性约束到 $K, 以无损缩缩缩缩 $=NC (P) 1 -\\\\\\\\\\\ epsilon} (N)\ flace, 美元(P)\\\\\\\\\\\\\\\\\\ iplum_ 美元, 美元(美元) 和美元(美元)

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【伯克利-Ke Li】学习优化,74页ppt,Learning to Optimize
专知会员服务
40+阅读 · 2020年7月23日
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
【反馈循环自编码器】FEEDBACK RECURRENT AUTOENCODER
专知会员服务
22+阅读 · 2020年1月28日
模式国重实验室21篇论文入选CVPR 2020
专知
30+阅读 · 2020年3月8日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
斯坦福AI实验室换帅!Christopher Manning接替李飞飞
全球人工智能
7+阅读 · 2018年11月20日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年5月4日
Arxiv
0+阅读 · 2021年5月4日
VIP会员
相关资讯
模式国重实验室21篇论文入选CVPR 2020
专知
30+阅读 · 2020年3月8日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
斯坦福AI实验室换帅!Christopher Manning接替李飞飞
全球人工智能
7+阅读 · 2018年11月20日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员