In this paper motivated from subspace coding we introduce subspace-metric and subset-metric codes. These are coordinate-position independent pseudometrics and suitable for the folded codes introduced by Guruswami and Rudra. The half-Singleton upper bounds for linear subspace-metric and subset-metric codes are proved. Subspace distances and subset distances of codes are natural lower bounds for insdel distances of codes, and then can be used to lower bound the insertion-deletion error-correcting capabilities of codes. The problem to construct efficient insertion-deletion error-correcting codes is notorious difficult and has attracted a long-time continuous efforts. The recent breakthrough is the algorithmic construction of near-Singleton optimal rate-distance tradeoff insertion-deletion code families by B. Haeupler and A. Shahrasbi in 2017 from their synchronization string technique. However most nice codes in these recent results are not explicit though many of them can be constructed by highly efficient algorithms. Our subspace-metric and subset-metric codes can be used to construct systemic explicit well-structured insertion-deletion codes. We present some near-optimal subspace-metric and subset-metric codes from known constant dimension subspace codes. By analysing the subset distances of folded codes from evaluation codes of linear mappings, we prove that they have high subset distances and then are explicit good insertion-deletion codes


翻译:由子空间编码驱动的本文中,我们引入了亚空间度和子数代码。 它们是协调位置独立伪数, 适合由古鲁斯瓦米和鲁德拉引入的折叠代码。 对线性次空间度和子度度代码的半Singleton上界得到了证明。 亚空间距离和子线代码的距离是内隔线代码的自然较低界限, 然后可以用来降低插入- 删除错误校正代码的束缚。 建立高效插入- 删除错误校正代码的问题臭名昭著, 并吸引了长期的持续努力。 最近的突破是B. Haeupler 和 A. Shahrasbi 2017年与其同步字符串技术的近Singlet- 最佳速度交易插入- 切换代码组的算法构造。 然而,这些最新结果中最优的代码并不明确, 虽然它们中有许多可以用高效的算法来构建。 我们的次空间度和子度度代码可以用来构建系统明确的插入- 插入- 远程代码的系统清晰度, 和直径深度代码的精确度代码是我们所了解的亚数级化的。

0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
专知会员服务
41+阅读 · 2021年4月2日
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
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
已删除
将门创投
3+阅读 · 2019年1月29日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
浅谈贝叶斯和MCMC
AI100
14+阅读 · 2018年6月11日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月29日
Arxiv
0+阅读 · 2021年10月29日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
已删除
将门创投
3+阅读 · 2019年1月29日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
浅谈贝叶斯和MCMC
AI100
14+阅读 · 2018年6月11日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员