The capacity of line networks with buffer size constraints is an open, but practically important problem. In this paper, we consider line networks formed by discrete memoryless channels, and study the achievable rate of batched codes, which include several existing coding schemes studied in literature for line networks as special cases. A batched code has an outer code and an inner code. The outer code encodes the information messages into batches, each of which is a group of coded symbols, while the inner code performs recoding on the symbols belonging to the same batch at all nodes that forwarding a batch. Batched codes enable us to impose various block-length and buffer size constraints by tuning coding parameters. Using a technique that captures the communication bottleneck of line networks, we derive upper bounds on the achievable rates of batched codes as functions of line network length for several coding parameter sets. We also discuss specific recoding schemes that can achieve rates of the same order of the line network length for these coding parameter sets. Our results shed light on how to design large multi-hop network communications in practical scenarios using a unified coding framework instead of the traditional layered approach.


翻译:具有缓冲尺寸限制的线条网络的能力是一个开放但实际上重要的问题。 在本文中, 我们考虑由离散的无记忆通道组成的线条网络, 并研究分批编码的可实现速度, 其中包括在文献中研究的线条网络现有编码方案, 作为一种特殊情况。 分批编码有一个外码和一个内码。 外部编码将信息输入成批, 每个组都是一组编码符号, 而内码在发送批次的节点上对属于同一批次的符号进行重新编码。 条纹代码使我们能够通过调和编码参数, 施加各种区块长度和缓冲尺寸限制。 我们使用一种技术, 捕捉到线条网络的通信瓶颈, 将分批编码的可实现速度作为若干编码参数组的线网长度函数的上限。 我们还讨论具体的重新编码计划, 能达到这些编码参数组的线条长度的顺序。 我们的结果为我们如何在实际情景下设计大型多波纹网络通信提供了指导, 使用一个统一的编码框架, 而不是传统的层办法。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
159+阅读 · 2020年1月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks教程
全球人工智能
10+阅读 · 2017年11月24日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
1+阅读 · 2021年7月7日
Arxiv
0+阅读 · 2021年7月2日
Arxiv
13+阅读 · 2021年6月14日
VIP会员
相关VIP内容
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks教程
全球人工智能
10+阅读 · 2017年11月24日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4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