An $(n,r,h,a,q)$-LRC is a linear code over $\mathbb{F}_q$ of length $n$, whose codeword symbols are partitioned into $n/r$ local groups each of size $r$. Each local group satisfies `$a$' local parity checks to recover from `$a$' erasures in that local group and there are further $h$ global parity checks to provide fault tolerance from more global erasure patterns. Such an LRC is Maximally Recoverable (MR), if it can correct all erasure patterns which are information-theoretically correctable given this structure---these are precisely patterns with up to `$a$' erasures in each local group and an additional $h$ erasures anywhere in the codeword. We give an explicit construction of $(n,r,h,a,q)$-MR LRCs with field size $q$ bounded by $\left(O\left(\max\{r,n/r\}\right)\right)^{\min\{h,r-a\}}$. This significantly improves upon known constructions in most parameter ranges. Moreover, it matches the best known lower bound from~\cite{gopi2020maximally} in an interesting special case when $r=\Theta(\sqrt{n})$ and $h,a$ are constants with $h \le a+2$, achieving the optimal field size of $\Theta_{a,h}(n^{h/2}).$ Our construction is based on the theory of skew polynomials.


翻译:$( $, r, h, a, q) $( $, 美元) - LRC 是一个超过$( mathbb{ F) 长度为$( 美元) 的线性代码, 代码符号被分割成美元/ 美元/ 美元每个大小的本地组 $。 每个本地组都符合“ $ ” 的本地对等检查, 以从该本地组的“ $ ” 去除“ $ ”, 并且还有进一步的美元全球对等检查, 以提供全球范围更宽度模式的差错容忍度。 这样 LRC 是最大可回收的大小( MIRS), 如果它能够纠正所有可以信息- 理论性校正的删除模式, 因为这个结构 - 这是精确的“ $( $) $( $) 美元/ 美元 / 美元 美元/ 美元/ 美元 美元/ 美元 美元 / 美元 / 美元 美元 / / 美元 美元 / 美元 美元 / 美元 美元 / 美元 / 美元 美元 / 美元 / / / / / 美元 / 美元 / / 美元 美元 美元 美元 / / / / 和 美元 美元 美元 美元 美元 美元 美元 / / 美元 美元 美元 美元 / / / / / / 美元 美元 美元 美元 / / 美元 / / / / / / / / / 美元/ / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / 美元/ 美元/ / / / 美元/ / / / / / / / /

0
下载
关闭预览

相关内容

Group一直是研究计算机支持的合作工作、人机交互、计算机支持的协作学习和社会技术研究的主要场所。该会议将社会科学、计算机科学、工程、设计、价值观以及其他与小组工作相关的多个不同主题的工作结合起来,并进行了广泛的概念化。官网链接:https://group.acm.org/conferences/group20/
专知会员服务
42+阅读 · 2020年12月18日
Google最新《机器学习对偶性》报告,48页ppt
专知会员服务
35+阅读 · 2020年11月29日
专知会员服务
61+阅读 · 2020年3月4日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
TensorFlow 2.0 分布式训练
TensorFlow
8+阅读 · 2020年1月19日
PLANET+SAC代码实现和解读
CreateAMind
3+阅读 · 2019年7月24日
ICML2019:Google和Facebook在推进哪些方向?
专知
5+阅读 · 2019年6月13日
用 TensorFlow hub 在 Keras 中做 ELMo 嵌入
AI研习社
5+阅读 · 2019年5月12日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】用于平面环境的线性RGBD-SLAM
泡泡机器人SLAM
6+阅读 · 2018年12月18日
美国化学会 (ACS) 北京代表处招聘
知社学术圈
11+阅读 · 2018年9月4日
Arxiv
0+阅读 · 2021年2月17日
Arxiv
3+阅读 · 2018年10月18日
VIP会员
相关资讯
TensorFlow 2.0 分布式训练
TensorFlow
8+阅读 · 2020年1月19日
PLANET+SAC代码实现和解读
CreateAMind
3+阅读 · 2019年7月24日
ICML2019:Google和Facebook在推进哪些方向?
专知
5+阅读 · 2019年6月13日
用 TensorFlow hub 在 Keras 中做 ELMo 嵌入
AI研习社
5+阅读 · 2019年5月12日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】用于平面环境的线性RGBD-SLAM
泡泡机器人SLAM
6+阅读 · 2018年12月18日
美国化学会 (ACS) 北京代表处招聘
知社学术圈
11+阅读 · 2018年9月4日
Top
微信扫码咨询专知VIP会员