We give one more proof of the first linear programming bound for binary codes, following the line of work initiated by Friedman and Tillich. The new argument is somewhat similar to previous proofs, but we believe it to be both simpler and more intuitive. Moreover, it provides the following 'geometric' explanation for the bound. A binary code with minimal distance $\delta n$ is small because the projections of the characteristic functions of its elements on the subspace spanned by the Walsh-Fourier characters of weight up to $\left(\frac 12 - \sqrt{\delta(1-\delta)}\right) \cdot n$ are essentially independent. Hence the cardinality of the code is bounded by the dimension of the subspace. We present two conjectures, suggested by the new proof, one for linear and one for general binary codes which, if true, would lead to an improvement of the first linear programming bound. The conjecture for linear codes is related to and is influenced by conjectures of H\r{a}stad and of Kalai and Linial. We verify the conjectures for the (simple) cases of random linear codes and general random codes.


翻译:我们根据Friedman 和 Tillich 启动的工作线,对第一个线性编程进行二进制代码约束的第一个线性编程,我们给出了另一个证据。新的论据与以前的证据有些相似,但我们认为它既简单又直观。此外,它为约束提供了以下的“几何”解释。一个最小距离的二进制代码很小,因为对其元素在以沃尔什-福里尔字符为单位的子空间上的特性功能的预测,其重量最高为$left(\frac 12 -\ sqrt69delta(1-delta)\\\cdolta)\\\cdolt n$基本上是独立的。因此,该代码的基点受子空间的维度的约束。我们根据新证据提出了两个假设,一个是线性代码,一个是普通的二进制代码,如果是真实的话,将导致对第一个线性编程约束的改进。线性代码的猜想与H\r} 和Kalai 和 Lina 通性总代码的配置有关并受其影响。

0
下载
关闭预览

相关内容

专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
84+阅读 · 2020年12月5日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月17日
Arxiv
0+阅读 · 2021年6月17日
Arxiv
0+阅读 · 2021年6月16日
Arxiv
0+阅读 · 2021年6月16日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
84+阅读 · 2020年12月5日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6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