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

金融人工智能,40页pdf
专知会员服务
142+阅读 · 2021年10月9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
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
基于深度学习的图像分析技术,116页ppt
专知会员服务
55+阅读 · 2020年7月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
已删除
将门创投
3+阅读 · 2018年6月20日
Arxiv
0+阅读 · 2021年10月17日
VIP会员
相关VIP内容
金融人工智能,40页pdf
专知会员服务
142+阅读 · 2021年10月9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
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
基于深度学习的图像分析技术,116页ppt
专知会员服务
55+阅读 · 2020年7月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
已删除
将门创投
3+阅读 · 2018年6月20日
Top
微信扫码咨询专知VIP会员