Maximally recoverable local reconstruction codes (MR LRCs for short) have received great attention in the last few years. Various constructions have been proposed in literatures. The main focus of this topic is to construct MR LRCs over small fields. An $(N=nr,r,h,\Gd)$-MR LRC is a linear code over finite field $\F_\ell$ of length $N$, whose codeword symbols are partitioned into $n$ local groups each of size $r$. Each local group can repair any $\Gd$ erasure errors and there are further $h$ global parity checks to provide fault tolerance from more global erasure patterns. MR LRCs deployed in practice have a small number of global parities such as $h=O(1)$. In this parameter setting, all previous constructions require the field size $\ell =\Omega_h (N^{h-1-o(1)})$. It remains challenging to improve this bound. In this paper, via subspace direct sum systems, we present a construction of MR LRC with the field size $\ell= O(N^{h-2+\frac1{h-1}-o(1)})$. In particular, for the most interesting cases where $h=2,3$, we improve previous constructions by either reducing field size or removing constraints. In addition, we also offer some constructions of MR LRCs for larger global parity $h$ that have field size incomparable with known upper bounds. The main techniques used in this paper is through subspace direct sum systems that we introduce. Interestingly, subspace direct sum systems are actually equivalent to $\F_q$-linear codes over extension fields. Based on various constructions of subspace direct sum systems, we are able to construct several classes of MR LRCs.


翻译:近些年来,当地最大可回收的当地重建代码(MR LRCs for short)受到极大关注。 文献中提出了各种工程。 主题的主要重点是在小型田地上建造MR LRCs。 $( N=nr,r,h,\Gd)$- MR LRC是限定田地的线性代码$\F ⁇ ell$( 美元), 长度为$( 美元), 代码符号被分割成每个大小的当地组( $, 美元) 。 每个本地组可以修复任何$\ Gd$( 美元) 的取消错误, 并且还有额外的全球平价检查 $( 美元), 以提供更多的全球超限模式。 在实际操作中, 所有的前工程都要求以$( {O\\\\\ h=O(1)$( laxx) 的实地规模, 直接的建筑系统需要以 $( {h-1- o)$( Nh-1) i) 。 在本文中, 直接的系统需要改进。 在已知空间直接系统中, 正在通过子系统里, 以 $( we=xxxxxxxxxxx) 中, 中, 我们的实地里, 输入一个平价(lxxxxxxxxxxxxxxxxxxxxxxxx) 中, 。

0
下载
关闭预览

相关内容

专知会员服务
94+阅读 · 2021年8月28日
专知会员服务
55+阅读 · 2021年6月30日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
专知会员服务
60+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
雪球
6+阅读 · 2018年8月19日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2022年1月10日
Arxiv
0+阅读 · 2022年1月9日
Arxiv
0+阅读 · 2022年1月6日
Arxiv
0+阅读 · 2022年1月5日
Arxiv
0+阅读 · 2022年1月3日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
雪球
6+阅读 · 2018年8月19日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员