arXiv 0803.36452008-03-25cs.ITmath.IT

多址信道最大差错指数的一个新的球形填充界

A New Sphere-Packing Bound for Maximal Error Exponent for Multiple-Access Channels

Ali Nazari, Sandeep Pradhan, Achilleas Anastasopoulos

摘要：

在这项工作中，一个新的下界的最大错误概率的两个用户离散无记忆（DM）多址信道（MAC）的推导。这是这种类型的第一个界限，它明确地规定了用户输入分布的独立性（以分时辅助变量为条件），因此与Haroutunian推导出的最紧的已知指数相比，它会导致更紧的球填充指数。

英文摘要：

In this work, a new lower bound for the maximal error probability of a two-user discrete memoryless (DM) multiple-access channel (MAC) is derived. This is the first bound of this type that explicitly imposes independence of the users' input distributions (conditioned on the time-sharing auxiliary variable) and thus results in a tighter sphere-packing exponent when compared to the tightest known exponent derived by Haroutunian.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

干涉约束下的最大Packing

Maximal Packing with Interference Constraints

在这项工作中，我们研究的问题，调度一组最大的发射机受到干扰的约束，在所有的节点。给定一组节点，问题归结为找到可以同时传输而不违反干扰约束的节点子集的最大基数。由此产生的包装问题是一个二元优化问题，是NP难的。我们提出了一个半定松弛（SDR）这个问题，并提供界限上的放松。

2016-10-31cs.ITmath.ITstat.AP

神经网络中的Grassmannian Packing：多样性和反稀疏性的最大子空间填充学习

Grassmannian Packings in Neural Networks: Learning with Maximal Subspace Packings for Diversity and Anti-Sparsity

Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）；UnifyID AI Labs（UnifyID人工智能实验室）

在CNN内核中通常观察到内核稀疏性（“垂死的ReLU”）和缺乏多样性，这降低了模型容量。从信息论和无线通信中汲取灵感，我们通过CNN中的格拉斯曼子空间填充问题展示了编码理论和深度学习的交叉。我们提出了Grassmannian包装的初始内核层被初始化最大程度地远离弦或Fubini学习距离的基础上。用格拉斯曼填充初始化的卷积核表现出不同的特征，并得到不同的表示。我们发现，格拉斯曼包装，特别是在初始层中，解决了内核稀疏性并鼓励多样性，同时提高了浅层和深层CNN的分类精度，具有更好的收敛速度。

2019-11-18cs.ITcs.LGmath.IT

非匹配译码的球形填充误差指数

A Sphere-Packing Error Exponent for Mismatched Decoding

我们推导出一个球包装误差指数编码传输离散无记忆信道与固定的解码度量。通过研究辅助信道上码的错误概率，得到了非匹配译码错误概率的一个下界。该界是指数衰减小于本文建立的一个新的上限的失配容量的编码率。对于高于新的上限率，错误概率被证明是有界远离零。新的上限示出，以改善比以前的上限的失配能力。

2022-12-27cs.ITmath.IT

多址信道平均差错指数的一个新上界

A New Upper Bound on the Average Error Exponent for Multiple-Access Channels

本文推导了两用户离散无记忆多址信道（MAC）的平均概率或误差的一个新的下界。这个界的结构非常类似于著名的球包装界Haroutunian。然而，由于显式地施加独立的用户的输入分布（条件的分时辅助变量）的结果在一个更紧密的球包装指数相比，Haroutunian的。此外，平均和最大错误概率之间的关系进行了研究。最后，利用已知的最大错误概率的球填充界，导出了平均错误概率的下界。

2010-10-07cs.ITmath.IT

球形堆积边界的改进：非对称通道

Refinement of the Sphere-Packing Bound: Asymmetric Channels

我们提供了一个改进的球形包装界恒定组成代码在非对称离散无记忆通道，提高了前因子的指数项。对于任何$ε>0$，我们的前因子的阶为$Ω(N^{-1/2(1+ε+ ρ_{R}^{\ast})})$，其中$ρ_{R}^{\ast}$是速率为$R$的球填充指数的最大绝对值次微分，$N$是块长度。

2012-11-28cs.ITmath.IT

多重包装：通过误差指数确定下界

Multiple Packing: Lower Bounds via Error Exponents

我们得到了高维欧氏空间中多重填充的最大速率的下界。多重包装是球体包装问题的自然推广。对于任何$ N>0 $和$ L\in\mathbb{Z}_{\ge2} $，多重包装是$ \mathbb{R}^n $中的点的集合$\mathcal{C}$，使得$ \mathbb{R}^n $中的任何点位于$ \mathcal{C} $中的点周围半径为$ \sqrt{nN} $的最多$ L-1 $球的交叉点中。我们研究这个问题的有界点集的点有范数最多$\sqrt{nP}$为一些常数$P>0$和无界点集的点被允许在任何地方在$ \mathbb{R}^n $。由于多重包装与编码理论有着众所周知的联系，多重包装可以被看作是列表可解码码的欧几里德模拟，列表可解码码在有限域中得到了很好的研究。我们推导出最佳多重堆积密度的最佳下界。这是通过建立一个奇怪的不等式来实现的，该不等式将加性高斯白噪声信道的列表解码误差指数（平均情况性质的量）与列表解码半径（最坏情况性质的量）联系起来。我们还推导出各种界限列表解码错误指数在有界和无界的设置是独立的利益超越多包装。

2022-11-09cs.ITmath.ITmath.MG

更多相关论文收起更多论文

具有多项式前因子的量子球Packing界

Quantum Sphere-Packing Bounds with Polynomial Prefactors

我们研究的最佳错误概率在经典编码的经典-量子信道在低于容量的速率，通常称为量子球包装界的下限。Winter和Dalai已经推导出了经典量子信道的这种边界;然而，只有当信道是经典的时，它们的边界中的指数才重合。在本文中，我们表明，这两个指数承认一个变分表示和相关的Golden-Thompson不等式，重申达赖的表达是更强的一般经典-量子信道。其次，我们建立了经典量子信道的球填充约束，这将Dalai的前因子从次指数阶改进为多项式阶。此外，所获得的错误指数之间的差距为常数组成码和最知名的经典随机编码指数消失的顺序为$o(\log n / n)$，表明我们的球包装界是几乎准确的高速率制度。最后，对于一类特殊的对称经典量子信道，我们可以完全刻画其最优错误概率，而无需常数组合码假设。主要技术贡献是量子假设检验的两个逆Hoeffding界和误差指数函数的鞍点性质。

2019-05-02cs.ITmath.ITquant-ph

多重打包和列表译码错误指数的界

Bounds for Multiple Packing and List-Decoding Error Exponents

我们重新讨论了欧氏空间中的高维多重填充问题。多重填充是球体填充的自然推广，定义如下。设$ N>0 $和$ L\in\mathbb{Z}_{\ge2} $。多重填充是$ \mathbb{R}^n $中的点的集合$\mathcal{C}$，使得$ \mathbb{R}^n $中的任何点位于围绕$ \mathcal{C} $中的点的半径为$ \sqrt{nN} $的至多$ L-1 $球的交点中。研究了点在$ \mathbb{R}^n $中范数最大为$\sqrt{nP}$的有界点集和点在$ \mathbb{R}^n $中任意的无界点集的多重装箱问题.由于多重包装与编码理论有着众所周知的联系，多重包装可以被看作是列表可解码码的欧几里德模拟，列表可解码码在有限域中得到了很好的研究。在本文中，我们推导出各种界限的最大可能密度的多重包装在有界和无界的设置。一个相关的概念，称为平均半径多重包装也进行了研究。我们的一些下界精确地确定了平均半径列表可解码码的某些集合的渐近性，例如，高斯码和泊松点过程。为此，我们应用工具，从高维几何和大偏差理论。我们的一些最优多重堆积密度的下界是最好的已知下界。这些界限是通过称为误差指数的代理获得的。后一个量是当代码被高斯噪声破坏时列表译码错误的概率的最佳指数。我们建立了一个奇怪的不等式，其中涉及的错误指数，数量的平均情况下的性质，列表译码半径，数量的最坏情况下的性质。我…

2022-11-09cs.CCcs.ITmath.CO

无记忆信道的球填充界

The Sphere Packing Bound For Memoryless Channels

球包装界（SPBs）-与前置因子是多项式的块长度-推导出代码上的两个家庭的无记忆信道使用奥古斯丁的方法：（可能是非平稳）无记忆信道（可能是多个）添加剂成本约束和固定的无记忆信道凸约束的组成（即经验分布，类型）的输入码字。Gallager的界的一个变种，以表明这些球包装界是紧的错误概率的指数衰减率与块长度在温和的假设。

2020-03-06cs.ITmath.IT

球冠填充渐近性与秩极值检测

Spherical Cap Packing Asymptotics and Rank-Extreme Detection

我们用概率方法研究了球冠填充问题。这样的概率考虑导致在任何一组单位向量和随机无关的均匀分布的单位向量之间的最大内积上的渐近尖锐的普遍一致的界限。当单位向量集本身独立均匀分布时，我们进一步给出了最大内积的极值分布极限，它表征了它在界附近的不确定性.作为上述渐近结果的应用，我们得到了（1）当解释变量为独立高斯分布时，最大伪相关的渐近尖普适一致界及其分布上的一致收敛性;（2）低秩椭圆分布向量的最大范数的渐近尖普适界及其相关的极限分布.基于这些结果，我们提出了一种不利用谱信息的高维高斯数据中低秩结构的快速检测方法。

2017-05-04cs.ITmath.ITmath.ST

对称经典量子信道的球堆积束缚

Sphere-Packing Bound for Symmetric Classical-Quantum Channels

我们提供了一个球包装下界的最佳错误概率在有限块长度编码时，在一个对称的经典量子信道。我们的结果表明，前置因子可以显着改善，从次指数的阶多项式。所建立的前因子本质上是最优的，因为它匹配经典情况下最佳已知的随机编码上限。我们的方法依赖于一个尖锐的浓度不等式在强大偏差理论和关键性质的误差指数函数。

2017-01-15cs.ITmath.ITquant-ph

通过算子分层蛋糕定理研究量子打包问题的误差指数

Error Exponents for Quantum Packing Problems via An Operator Layer Cake Theorem

National Taiwan University（国立台湾大学）；Hon Hai (Foxconn) Quantum Computing Center（鸿海（富士康）量子计算中心）；National Center for Theoretical Sciences（国家理论科学中心）

本文通过算子分层蛋糕定理证明了经典-量子信道编码的一次随机编码界，扩展到多种量子打包问题，包括任何全量子信道上的经典通信、固定组成码和带有量子侧信息的经典数据压缩。

2026-06-04cs.ITmath-phmath.FA

关于元组格筛法的球堆积界的一个注记

A Note on Sphere Packing Bounds for Tuple Lattice Sieving

本文针对元组格筛法中的球堆积问题，定义了$k$-不可约向量集，证明了其最大速率$\mathcal{R}_k$的上界，并结合标准球堆积界，给出了与已知下界几乎紧的渐近比较。

2026-09-09cs.CRcs.ITmath.CO