We continue the study of rateless codes for transmission of information across channels whose rate of erasure is unknown. In such a code, an infinite stream of encoding symbols can be generated from the message and sent across the erasure channel, and the decoder can decode the message after it has successfully collected a certain number of encoding symbols. A rateless erasure code is real-time oblivious if rather than collecting encoding symbols as they are received, the receiver either immediately decodes or discards each symbol it receives. Efficient real-time oblivious erasure correction uses a feedback channel in order to maximize the probability that a received encoding symbol is decoded rather than discarded. We construct codes which are real-time oblivious, but require fewer feedback messages and have faster decoding compared to previous work. Specifically, for a message of length $k'$, we improve the expected complexity of the feedback channel from $O(\sqrt{k'})$ to $O(1)$, and the expected decoding complexity from $O(k'\log(k'))$ to $O(k')$. Our method involves using an appropriate block erasure code to first encode the $k'$ message symbols, and then using a truncated version of the real-time oblivious erasure correction of Beimel et al (2007) to transmit the encoded message to the receiver, which then uses the decoding algorithm for the outer code to recover the message.


翻译:我们继续研究用于在加密速度未知的频道之间传递信息的无率代码。 在这样的代码中, 可以从信息中生成无限的编码符号流, 并发送到删除频道, 解码器可以在成功收集到一定数量的编码符号后解码信息。 一个无率加密代码是实时的, 如果接收到的不是收集编码符号, 接收者要么立即解码, 要么丢弃它收到的每个符号。 高效的实时模糊删除校正更正使用反馈渠道, 以便最大限度地提高收到编码符号解码而不是丢弃的概率。 我们创建的代码是实时模糊的, 但是需要更少的反馈信息, 并且比以往的工作更快解码。 具体地说, 一个长度为$k$( sqrt{k}) 的信息, 我们将反馈渠道的预期复杂性从$O( k\log) 提高到$( k) $( k) ), 以及预期的解码的复杂性从 $O( k) 到 $( k) 美元( ) 到 $( ) 美元) 正在恢复的代码到现在的加密邮件的加密版本。 我们的方法需要使用一个适当的系统代码, 解码, 。

1
下载
关闭预览

相关内容

专知会员服务
118+阅读 · 2020年7月22日
专知会员服务
60+阅读 · 2020年3月19日
专知会员服务
109+阅读 · 2020年3月12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
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
TorchSeg:基于pytorch的语义分割算法开源了
极市平台
20+阅读 · 2019年1月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
误差反向传播——RNN
统计学习与视觉计算组
18+阅读 · 2018年9月6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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Simple Recurrent Unit For Sentence Classification
哈工大SCIR
6+阅读 · 2017年11月29日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
6+阅读 · 2018年2月7日
VIP会员
相关资讯
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
TorchSeg:基于pytorch的语义分割算法开源了
极市平台
20+阅读 · 2019年1月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
误差反向传播——RNN
统计学习与视觉计算组
18+阅读 · 2018年9月6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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Simple Recurrent Unit For Sentence Classification
哈工大SCIR
6+阅读 · 2017年11月29日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员