A class of network codes have been proposed in the literature where the symbols transmitted on each edge are binary vectors and the coding operation performed in network nodes consists of the application of (possibly several) permutations on each incoming vector and XOR-ing the results to obtain the outgoing vector. These network codes, which we will refer to as permute-and-add network codes, involve simple operations and are known to provide lower complexity solutions than scalar linear codes. The complexity of these codes are determined by their degree which is the number of permutations applied on each incoming vector to compute an outgoing vector. Constructions of permute-and-add network codes of small degree for multicast networks are known. In this paper, we provide a new framework based on group algebras to design permute-and-add network codes for arbitrary (not necessarily multicast) networks. Our framework allows the use of arbitrary group of permutations (including circular shifts, proposed in prior work) and admits a trade-off between coding rate and the degree of the code. Our technique permits elegant recovery and generalizations of the key known results on permute-and-add network codes. The proposed network codes employ low degree permute-and-add operation for encoding as well as decoding.


翻译:文献中建议了网络代码的类别, 在每个边缘上传送的符号是二进矢量, 在网络节点中进行的编码操作包括在每个进端矢量和XOR结果上应用( 可能数个) 排列( 可能数) 和 XOR 的结果来获取导出矢量。 这些网络代码, 我们将称之为 permute- 和 add 网络代码, 涉及简单操作, 并已知提供比标度线性代码更低的复杂解决方案。 这些代码的复杂性取决于它们的程度, 即每个进口矢量对计算输出矢量应用的偏移次数。 我们的技巧允许多播送网络使用精准恢复和添加的小度网络代码。 在本文中, 我们提供了一个基于群代数的新框架, 用于任意( 不一定是多播式) 网络设计 permute- 和 添加的网络代码。 我们的框架允许使用任意的组合( 包括循环转换, 先前工作中提议), 并承认编码的交换率与代码的程度。 我们的技巧允许在多播种网络中进行精度的精度回收和一般化, 网络操作。

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
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【ICLR-2020】网络反卷积,NETWORK DECONVOLUTION
专知会员服务
38+阅读 · 2020年2月21日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年3月25日
Arxiv
0+阅读 · 2021年3月25日
Arxiv
0+阅读 · 2021年3月24日
Arxiv
5+阅读 · 2018年3月30日
Arxiv
7+阅读 · 2018年3月22日
VIP会员
相关资讯
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7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