Caching prefetches some library content at users' memories during the off-peak times (i.e., {\it placement phase}), such that the number of transmissions during the peak-traffic times (i.e., {\it delivery phase}) are reduced. A coded caching strategy was originally proposed by Maddah-Ali and Niesen (MN) leading to a multicasting gain compared to the conventional uncoded caching, where each message in the delivery phase is useful to multiple users simultaneously. However, the MN coded caching scheme suffers from the high subpacketization which makes it impractical. In order to reduce the subpacketization while retain the multicast opportunities in the delivery phase, Yan et al. proposed a combinatorial structure called placement delivery array (PDA) to design coded caching schemes. In this paper, we propose two novel frameworks for constructing PDA via Cartesian product, which constructs a PDA for $mK_1$ users by the $m$-fold Cartesian product of a PDA for $K_1$ users. By applying the proposed frameworks to some existing PDAs, three novel caching schemes are obtained which can significantly reduce the subpacketization of the MN scheme while slightly increasing the needed number of transmissions. For instance, for the third scheme which works for any number of users and any memory regime, while reducing the coded caching gain by one, the needed subpacketization is at most $O\left(\sqrt{\frac{K}{q}}2^{-\frac{K}{q}}\right)$ of that of the MN scheme, where $K$ is the number of users, $0<z/q<1$ is the memory ratio of each user, and $q,z$ are coprime.


翻译:Maddah-Ali 和 Niesen (MN) 最初提出了一个代码化缓冲策略, 与传统的未编码缓冲相比, 交付阶段的每条信息都同时对多个用户有用。 然而, MN 编码缓冲计划受到高分包化的影响, 这使得它变得不切实际。 为了减少次包装化,同时保留交付阶段的多版机会, Yan 等人 提议了一个叫做 交付阵列(PDA) 的组合结构, 以设计编码化计划。 在本文中, 我们提出了两个新框架, 用于通过卡通产品建造 PDA, 由美元/一元的卡通产品为 $K_1, 使PDA 的美元分包化进程变得不切实际。 用于美元- 美元- 1美元的用户, 正在将现有的递解框架称为 PDA 。

0
下载
关闭预览

相关内容

Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3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
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
图解国土空间规划 五级三类四体系
智能交通技术
7+阅读 · 2019年6月16日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年10月13日
VIP会员
相关资讯
图解国土空间规划 五级三类四体系
智能交通技术
7+阅读 · 2019年6月16日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6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