Symmetric Entropy Regions of Degrees Six and Seven
本文根据Shannon-tightness对6次和7次置换群下的G-对称几乎熵区域进行了分类,判断其能否由Shannon型不等式完全刻画。
2024-04-29 cs.IT math.IT
Tight entropy bound based on p-quasinorms
本文基于p-范数推导了Shannon熵和von Neumann熵的紧上下界,提供熵估计、有限性判据及熵差界,并通过数值测试验证了近似的高效性。
2024-08-20 cs.IT math.IT
Tight Bounds on Minimum Maximum Pointwise Redundancy
本文提出了新的下限和上限的最佳压缩的二进制前缀码的最可能的输入符号,其中压缩效率是由非线性码字长度的目标,最大逐点冗余最小化。这一目标涉及通用建模和香农编码,并且这些边界在整个区间内都是紧的。上界也适用于一个相关的目标,即dth指数冗余。
2008-09-08 cs.IT math.IT
Guesswork, large deviations and Shannon entropy
猜一个密码有多难?梅西表明,选择密码的分布的香农熵是预期猜测次数的下界,但一般来说并不严格。在随后的一系列论文中,在限制性更小的随机假设下,随着密码长度的增长,猜测的缩放矩和特定的雷尼熵之间的渐近关系被确定。在这里,我们表明,当适当的缩放,随着密码长度的增长的猜测的对数满足大偏差原则(LDP),提供直接估计的猜测分布时,密码很长。支配LDP的速率函数具有特定的、限制性的形式,该形式以猜测的性质封装了底层结构。回到Massey最初的观察,LDP的推论表明猜测的对数的期望是密码选择过程的特定香农熵。
2012-06-21 cs.IT math.IT
A Tight Uniform Continuity Bound for Equivocation
本文证明了离散双支撑随机变量序列的条件Shannon熵在全变差距离下的一个紧一致连续界。
2020-07-14 cs.IT math.IT quant-ph
Asymptotically Optimal Massey-Like Inequality on Guessing Entropy With Application to Side-Channel Attack Evaluations
类梅西不等式是在计算上可扩展的香农熵方面猜测熵的任何有用的下界。渐近最优的Massey-like不等式的确定和进一步完善的有限支撑分布。这些结果的影响突出的侧信道攻击评估猜测熵是一个关键的度量。在这种情况下,所获得的界限进行比较的最先进的。
2021-03-29 cs.CR cs.IT math.IT
Minimax redundancy for Markov chains with large state space
对于任何马尔可夫信源,都存在通用码,其归一化码长随着样本数趋于无穷大而渐近地接近香农限。本文研究如何快速的归一化codelength的“最佳”通用压缩器和香农极限(即压缩冗余)之间的差距消失的非渐近的字母表的大小和混合时间的马尔可夫源。我们表明,马尔可夫源的弛豫时间至少是$1 + \frac{(2+c)}{\sqrt{k}}$,其中$k$是状态空间的大小(和$c>0$是一个常数),相变的样本数需要实现消失的压缩冗余正是$Θ(k^2)$。
2018-05-05 cs.IT eess.SP math.IT
Universal Encryption of Individual Sequences Under Maximal Leakage
在个体序列和有限状态加密器框架下研究Shannon密码系统的信息最大泄露,推导出泄露的上下界,证明Lempel-Ziv压缩结合一次性密码本加密可实现渐近最小泄露。
2025-04-30 cs.IT math.IT
An Improved Sphere-Packing Bound for Finite-Length Codes on Symmetric Memoryless Channels
本文推导了有限长码在对称无记忆信道上传输时的改进的球填充(ISP)界。我们首先回顾经典的结果,即,1959年的球形包装(SP59)界的香农高斯信道,和1967年的球形包装(SP67)界的香农等。离散无记忆信道。最近的改进SP67绑定,建议由Valvis和Fossorier,也进行了讨论。这些概念被用于推导一个新的下界的解码错误概率(称为ISP界),这是一致的紧比SP67界及其最近的改进版本。ISP界适用于对称无记忆信道,并举例说明了它的一些应用。通过与ML译码错误概率的界和迭代译码Turbo码的计算机模拟的比较,研究了它的严密性。本文还提出了一种技术,它执行整个计算的SP59界的对数域,从而方便准确计算这个界的中等到大的块长度,而不需要提供的渐近近似香农。
2007-03-17 cs.IT math.IT
Advances in the Shannon Capacity of Graphs
Technion-Israel Institute of Technology(以色列理工学院);Viterbi Faculty of Electrical and Computer Engineering, Technion-Israel Institute of Technology(以色列理工学院维特比电气与计算机工程学院);Faculty of Mathematics, Technion-Israel Institute of Technology(以色列理工学院数学学院)
本文研究了图的香农容量,推导了两类图的精确值和新界限,并提出了可数无限图族的构造,同时建立了多项式图的香农容量计算条件,为该领域研究提供了新的方法和视角。
2026-01-27 cs.IT math.CO math.IT
The Log-Volume of Optimal Codes for Memoryless Channels, Asymptotically Within A Few Nats
香农对无记忆通信信道的基本容量限制的分析随着时间的推移而不断完善。本文证明了在平均译码错误概率$ε$下长度为$n$的码的最大容量$M_\avg^*(n,ε)$满足以下紧渐近上下界$n \to \infty$:\[ \underline{A}_ε+ o(1) \le \log M_\avg^*(n,ε) - [nC - \sqrt{nV_ε} \,Q^{-1}(ε) + \frac{1}{2} \log n] \le \overline{A}_ε+ o(1) \]是香农容量,$V_ε$是$ε$ -信道色散或二阶编码速率,$Q$是正态分布的尾概率,并且常数$\underline{A}_ε$和$\overline{A}_ε$被明确标识。该表达式在信道上的温和正则性假设下成立,包括非奇异性。间隙$\overline{A}_ε- \underline{A}_ε$对于Cover-Thomas意义上的弱对称信道是一个nat,并且对于其他对称信道、对于二进制对称信道和对于$Z$信道通常是几个nat。推导是基于强大偏差分析和改进的中心极限渐近。提出了一种实现该下界的随机编码方案。码字从由$O(1/\sqrt{n})$校正项修改的实现容量的输入分布中提取。
2016-12-26 cs.IT math.IT
Information Decomposition Diagrams Applied beyond Shannon Entropy: A Generalization of Hu's Theorem
本研究将随机变量与联合运算视为作用于信息函数的幺半群,证明了Hu定理的推广形式,其适用于多种信息度量,还揭示了柯尔莫哥洛夫交互复杂度与香农交互信息的渐近一致性,搭建了算法与经典信息论的桥梁。
2025-02-12 cs.IT math.IT
On Characterization of Entropic Vectors at the Boundary of Almost Entropic Cones
熵域是信息论的一个基本对象。熵区域的外边界由称为基本不等式的香农型不等式的最小集合定义,也称为香农区域。本文主要讨论三个随机变量在Shannon区域边界上的熵点的特征。香农区域的固有面形成了它的边界。我们给出了新的外边界的熵区域在某些方面,并显示由明确的建设的分布,现有的内边界的熵区域在某些方面是不紧。
2020-05-21 cs.IT math.IT
Large Deviation Analysis for the Reverse Shannon Theorem
本文利用 Rényi 散度研究信道模拟的逆向香农定理,刻画了 Rényi 模拟速率,并分别在通信代价速率高于和低于该速率时给出了可靠性函数与线性增长速率,从而确定强逆指数。
2025-06-05 cs.IT math.IT
Jensen-Shannon Information Based Characterization of the Generalization Error of Learning Algorithms
泛化误差界对于理解机器学习模型的性能至关重要。在这项工作中,我们提出了一个新的信息理论为基础的泛化误差上限适用于监督学习的情况。我们表明,我们的一般界可以专门在各种以前的界限。我们还表明,在某些条件下,我们的一般界限可以专门化为一个新的界限,该界限涉及建模训练样本集的随机变量和建模假设的另一个随机变量之间的Jensen-Shannon信息。我们还证明了在一定条件下,我们的界可以比基于互信息的界更紧。
2021-01-08 cs.IT math.IT math.ST
Tight Upper Bounds on the Error Probability of Spinal Codes over Fading Channels
针对 Rayleigh、Nakagami-m 和 Rician 三类衰落信道,本文在 ML 译码与理想 CSI 下推导 Spinal 码错误概率的显式紧上界,并通过仿真验证其紧致性。
2023-04-27 cs.IT math.IT
Connecting Jensen-Shannon and Kullback-Leibler Divergences: A New Bound for Representation Learning
Inria(法国国家信息与自动化研究所)
本文通过推导JSD与KLD之间的新下界,揭示了JSD基于信息最大化与互信息之间的关系,并展示了其在表示学习中的应用和有效性。
2026-03-17 cs.IT cs.LG math.IT
Quantum Reverse Shannon Theorem Simplified
本文简化了量子反向香农定理的证明,通过推导光滑最大信息量的可加性上界,消除了后选择技术,提供了更清晰的理解模拟量子信道资源成本的方法。
2025-10-08 cs.IT math-ph math.IT
A Distributionally Robust Approach to Shannon Limits using the Wasserstein Distance
该研究在 Wasserstein-2 模糊集下建立信源压缩与信道传输的分布鲁棒 Shannon 极限,证明 Gaussian 名义分布对应最坏情形 Gaussian 分布,并给出带 LMI 约束的凸表述及标量闭式解。
2024-05-13 cs.IT math.IT
Successive Refinement of Shannon Cipher System Under Maximal Leakage
该研究将Shannon密码系统的点对点率失真威胁模型推广到多终端逐次细化场景,刻画了两种可靠性约束下的渐近最优归一化最大泄露区域,证明了特定条件下两类约束的泄露区域一致。
2024-04-18 cs.IT math.IT
Asymptotically Locally Optimal Weight Vector Design for a Tighter Correlation Lower Bound of Quasi-Complementary Sequence Sets
准互补序列集(QCSS)是指具有低的非平凡非周期自相关和互相关和的二维矩阵的集合。对于多载波码分多址应用,具有低相关和的大QCSS的可用性是期望的。广义Levenshtein界(GLB)是QCSS的最大非周期相关和的下界。GLB的边界表达式是权重向量$\mathbf{w}$的分数二次函数,并且用与QCSS相关联的三个附加参数来表示:集合大小$K$、信道数量$M$和序列长度$N$。已知仅当满足条件$M\geq2$和$K\geq \overline{K}+1$(其中$\overline{K}$是$M$和$N$的某个函数)时,更紧的GLB(与Welch界限相比)才是可能的。一个具有挑战性的研究问题是确定是否存在权重向量,该权重向量引起\textit{all}(不仅仅是\textit{some})$K\geq \overline{K}+1$和$M\geq2$的更紧密的GLB,特别是对于大的$N$,即,这个条件是渐近必要的和充分的。为了实现这一点,我们\textit{analytically}优化GLB,它(一般)是非凸的,因为分子项是权重向量的不定二次函数。我们的核心思想是应用循环矩阵的频域分解(在分子项中)将非凸问题转化为凸问题。根据这种优化方法,我们得到了一个新的权重向量满足上述目标,并证明了它是一个局部极小的GLB在一定条件下。
2017-01-06 cs.IT math.IT
Data compression with low distortion and finite blocklength
本文考虑有损信源编码的$n$维无记忆源,并显示了一个显式近似的最小信源编码率维持超过失真的概率$d$不大于$ε$,这是简单的比已知的色散为基础的近似。我们的方法从著名的经典结果中得到启发,该结果表明率失真函数的香农下限在极限$d \to 0$中变得很紧。我们制定了一个抽象版本的香农下界,恢复经典的香农下界和率失真函数本身作为特殊情况。同样,我们表明,一个非渐近版本的抽象香农下界恢复所有以前已知的非渐近转换。给出了精确达到Shannon下界的一个充分必要条件。它表明,只要满足该条件,速率色散函数是简单地由源的熵。值得注意的是,所有有限字母源与平衡失真措施满足该条件的范围内的低失真。大多数连续源都违反了这一条件。尽管如此,我们表明,格量化器密切接近非渐近香农下界,提供的源密度是足够光滑和失真是低的。这意味着即使在有限的$n$上,精细的多维晶格覆盖在率失真意义上也是接近最优的。的可扩展性证明技术是基于一个新的约束格量化器的输出熵的差分熵的源,格细胞的大小和平滑参数的源密度。该技术避免了通常的随机编码参数和简化假设的抖动信号的存在。
2017-02-25 cs.IT math.IT
Asymptotically Tight Bounds for Generalized Covering Radii of Binary Primitive BCH Codes at All Higher Orders
Technion – Israel Institute of Technology(以色列理工学院);Tel-Hai University of Kiryat Shmona in the Galilee(加利利基里亚特什莫纳泰尔海大学);MIGAL – Galilee Research Institute(米加尔-加利利研究所)
该研究针对二元本原BCH码的广义覆盖半径问题,提出完备-覆盖框架,给出二阶半径的显式稳定双值界与精确性判据,以及所有高阶的渐近紧上下界,并验证了特定错误数与阶数下的精确结果。
2026-09-30 cs.IT math.IT
Asymptotically Tight Bayesian Cramér-Rao Bound
本文提出渐近紧的贝叶斯 Cramér-Rao 界(AT-BCRB),通过优化加权 BCRB 并扩展至向量参数情形,证明其可由 MAP 估计量渐近达到,且对任意估计量均有效。
2023-11-23 cs.IT eess.SP math.IT
On the Shannon entropy of the number of vertices with zero in-degree in randomly oriented hypergraphs
假设您有$n$颜色和$m$相互独立的骰子,每个骰子都有$r$边。每个骰子以相等的概率落在任何一面。你可以用任何你喜欢的方式给每个骰子的侧面上色,但是有一个限制:你不能在一个骰子的侧面上使用同一种颜色超过一次。任何其他颜色都是允许的。设$X$为掷骰子后看到的不同颜色的数量。为了使$X$的香农熵最大化,你应该如何给骰子的两边上色?在这篇文章中,我们调查这个问题。我们表明,$X$的熵是最多$\frac{1}{2} \log(n) + O(1)$和界是紧的,直到一个常数的加法因子,在有同样多的硬币和颜色的情况下。我们的证明采用了离散熵的微分熵界,以及二项式随机变量的熵的下界,其结果是条件为一个偶数。我们推测,当颜色尽可能均匀地分布在骰子的两侧时,熵最大化。
2018-08-13 cs.IT math.IT math.PR
Joint Design of Sampler and Compressor for Timely Status Updates: Age-Distortion Tradeoff
本文研究及时状态更新的联合采样与压缩系统,提出联合设计采样器、量化器和编码器以在满足MSE失真约束下最小化AoI,并证明零等待采样、均匀量化与实值AoI最优编码策略的组合渐近最优,且AoI与对数MSE失真呈斜率为-3/4的渐近线性关系。
2023-11-27 cs.IT math.IT
A Simple Capacity Outer Bound for Two-Way Channels and Capacity Approximation Results
信道的对称性,暗示香农的随机编码内界的紧密性最近被用来确定离散无记忆双向信道(DM-TWC)的容量区域。对于没有这种对称性的信道,通常需要外边界来估计容量区域。然而,验证对称性条件和/或评估非平凡的外边界在计算上要求很高,特别是对于具有大输入和输出字母的通道。在本文中,三个易于检查的条件,确定DM-TWC没有这样的对称性,以及一个易于计算的外边界。该界是从香农的内界计算,但非平凡的。使用该外边界,可以为某些DM-TWC建立近似的容量结果。通过两个例子说明了结果。
2020-09-24 cs.IT math.IT
Guessing based on length functions
分析了具有记忆信源的猜测窃听器在香农密码体制下的性能。首先建立了猜测函数与长度函数之间的密切关系。随后,渐近最优的加密和攻击策略的识别和他们的性能分析与内存的来源。性能指标是猜测时刻的指数和大偏差的概率。然后对单线源的度量进行表征。通用的渐近最优加密和攻击策略也确定为unifilar源。在有限状态源的Lempel-Ziv编码长度的递增顺序的猜测提出,并证明是渐近最优的。最后,竞争的最优性质的猜测的描述长度和Lempel-Ziv编码长度的递增顺序证明。
2007-04-15 cs.CR cs.IT math.IT
The two-unicast problem
我们认为有线网络的通信容量为两个单播业务模式。该网络有两个源和两个目的地,每个源将消息传送到其自己的目的地,受到网络的有向边上的容量约束。我们提出了一个简单的外边界的问题,我们称之为广义网络共享(GNS)界。我们发现这个界是最紧的切边界的两个单播网络,是紧的,在一些瓶颈的情况下,虽然它是不紧的一般。我们还表明,问题的计算GNS界是NP-完全的。最后,我们表明,尽管它看起来很简单,两个单播问题是最一般的网络编码问题一样难。因此,线性编码是不足以实现一般的两个单播网络的容量,和非香农不等式是必要的一般两个单播网络的容量的特征。
2015-06-03 cs.IT math.IT
Quantum query complexity of entropy estimation
本文首次提出估计α-Rényi熵的量子算法,证明香农熵估计具有二次量子加速,并对所有α≥0给出通用量子加速、极端情形上界及匹配的量子下界。
2017-10-16 cs.DS cs.IT math.IT
The Failure Probability at Sink Node of Random Linear Network Coding
在实际应用中,由于许多通信网络规模庞大,结构复杂,甚至是动态的,即使知道网络的拓扑结构,也不可能根据网络拓扑预先设计网络代码。因此,随机线性网络编码被提出作为可接受的编码技术。本文进一步研究了随机线性网络编码的性能,通过分析不同网络拓扑知识下sink节点的失效概率,得到了失效概率的紧的和渐近紧的上界。特别是,最差的情况下指出这些界限。此外,如果利用更多的关于网络拓扑的信息,则获得更好的上界。这些界限改进了已知的界限。最后,我们还讨论了这一故障概率的下界,并表明它也是渐近紧的。
2010-10-10 cs.IT math.IT
What do Shannon-type Inequalities, Submodular Width, and Disjunctive Datalog have to do with one another?
研究通过Shannon流不等式证明序列指导PANDA算法,为析取Datalog规则建立输出规模界限,精确匹配次模宽度,并统一信息论与数据库理论间的联系。
2023-12-23 cs.DB cs.DS cs.IT
Entropy functions and determinant inequalities
本文证明了$n \times n$正定矩阵的所有行列式不等式的特征等价于确定包含由$n$纯量高斯随机变量诱导的所有熵函数的最小闭凸锥.利用可表示函数和熵函数得到了锥的内、外界。特别地,这些界对于$n \le 3$是紧的和明确的,这意味着$3 \times 3$正定矩阵的行列式不等式完全由Shannon型信息不等式刻画.
2012-01-25 cs.IT math.IT
Entropy region and convolution
通过收集所有子向量的香农熵,从随机变量的向量构造熵区域。它的形状在这里研究通过polymatroidal建设,特别是卷积。将区域的封闭性分解为紧部分和模部分的直和,使研究工作减少到紧部分。约简的相对内部属于熵区域。阐明了自粘性下的分解行为。结果是专门为四个随机变量的区域完成的。这和计算机实验有助于可视化熵区域的对称化部分的近似。反驳了关于Ingleton分数极小化的四原子猜想。
2013-10-22 cs.IT math.IT math.PR
Tight Bounds on the Rényi Entropy via Majorization with Applications to Guessing and Compression
本文给出了离散随机变量函数的Rényi熵的严格界,其中函数的值有限,且函数不是一一对应的。为此,一个严格的下界上的Rényi熵的离散随机变量与有限的支持是作为一个功能的支持的大小,最大和最小概率质量的比率。这项工作受到Cicalese等人最近发表的论文的启发,这是集中在香农熵,它加强和推广的结果,该文件的任意正阶的雷尼熵。基于这些广义界和Arikan和Campbell的工作,导出了离散无记忆信源的矩估计和无损数据压缩的非渐近界.
2018-12-08 cs.IT math.IT math.PR
Shannon Meets Turing: Non-Computability and Non-Approximability of the Finite State Channel Capacity
有限状态信道(FSC)的容量已被确定为仅多字母表达式序列的极限,尽管付出了巨大的努力,但迄今为止,相应的有限字母表征仍然未知。本文从基本的算法角度分析了FSC的容量,研究了相应的可扩展性和容量的逆界是否可以用算法计算。为此,使用图灵机的概念,它提供了数字计算机的基本性能极限。为此,研究了可计算连续函数,并确定了此类函数的可计算序列的性质。结果表明,FSC的容量是不可计算的,这是可计算性的最弱形式。这意味着没有算法(或图灵机)可以计算给定FSC的容量。作为一个结果,它然后表明,无论是可拓性或逆必须产生一个界,是不是巴拿赫-马祖尔可计算的。这也意味着存在FSC,其可计算的下限和上限永远不会是紧的。为此,它进一步表明,FSC的能力是不可近似的,这是一个比不可计算性更严格的要求。这意味着,它是不可能找到一个有限字母的熵表征的能力一般FSC。所有的结果保持甚至有限的输入和输出字母表和有限的状态集。最后,有效分析理论的连接进行了讨论。在这里,结果只允许以建设性的方式证明,而存在性结果,例如,基于选择公理的证明是被禁止的。
2020-09-28 cs.IT math.IT
Doppler Resilient Complementary Sequences: Tighter Aperiodic Ambiguity Function Bound and Optimal Constructions
该研究针对移动环境中通信与传感系统的需求,提出基于权向量的单模多普勒弹性互补序列集非周期模糊函数更紧新下界,并基于准佛罗伦萨矩形和Butson型Hadamard矩阵构造出渐近满足该界的小字母表非周期DRCSs。
2025-05-16 cs.IT math.IT
A tight uniform continuity bound for the Arimoto-Rényi conditional entropy and its extension to classical-quantum states
我们证明了一个紧密的一致连续性界Arimoto的版本的条件$α$ -雷尼熵,范围$α\in [0, 1)$。条件雷尼熵的这个定义是文献中存在的多种形式中最自然的一种,因为它满足条件熵的两个理想性质,即条件化减少熵的事实,以及相关的不确定性减少不能超过通过条件化获得的信息。此外,它在各种信息理论任务中找到了有趣的应用,如边信息猜测和顺序解码。这个条件熵减少到条件香农熵的限制$α\to 1$,这反过来又使我们能够恢复最近获得的紧一致连续性界为后者从我们的结果。最后,我们应用我们的结果得到了经典量子态的条件$α$ -Rényi熵的一个紧的一致连续界,其中$α$在与上述相同的范围内。这又产生了极限$α\to 1$中状态的条件熵的相应已知界限。
2022-03-26 cs.IT math.IT quant-ph
Information Content and Entropy of Finite Patterns from a Combinatorial Perspective
该研究从组合视角提出有限模式信息量与熵的统一组合定义,推导信息量通用性质,给出基于压缩算法和Kolmogorov复杂度的归一化信息估计方法,重新定义的熵渐近兼容传统熵,突破香农信息的适用局限。
2025-01-18 cs.DM cs.IT math.IT
Bounds on the Reliability of a Typewriter Channel
本文给出了具有5个输入和交叉概率$1/2$的打字机信道的可靠性函数的新界。下限是更多的理论比实际的重要性,它提高了非常轻微的删除范围,提供了一个反例的猜想,其紧密性香农,加拉格尔和Berlekamp不需要建设代数几何码以前使用的卡茨曼,Tsfasman和Vllaughdupe。上界是通过使用线性规划界的自适应推导出来的,它基本上是有用的,作为一个低速率锚的直线界。
2016-07-18 cs.IT math.CO math.IT
Equivocations, Exponents and Second-Order Coding Rates under Various Rényi Information Measures
我们评估的模糊性,他们的指数,以及他们的二阶编码率在各种Rényi信息措施下的渐近性。具体来说,我们考虑应用哈希函数对源的影响,并且当源的副本数量很大时,我们量化了压缩源与另一个相关源的非均匀性和依赖性水平。与以前的作品,使用香农信息措施,以量化随机性,信息或均匀性,我们定义我们的安全措施在一个更一般的类的信息措施-雷尼信息措施和他们的Gallager型同行。这些Rényi信息测度的一个特例是香农信息测度类。我们证明了安全措施及其指数衰减率的严格渐进结果。我们还证明了二阶渐近的界限,并表明这些界限匹配时的幅度的二阶编码率是大的。我们这样做,通过建立新的类的非渐近界的含糊性和评估这些界限使用各种概率极限定理渐近。
2016-07-05 cs.CR cs.IT math.IT
Learning Algorithm Generalization Error Bounds via Auxiliary Distributions
Alan Turing Institute(阿兰·图灵研究所);University College London(伦敦大学学院);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
本文提出辅助分布法,推导适用于监督学习的期望泛化误差新上界,可细化为含α-Jensen-Shannon、α-Rényi信息的有限界,还能推导 excess risk 及分布失配下的泛化误差上界,并给出其更紧的条件。
2024-04-16 cs.IT cs.LG math.IT
Tight Information Complexity of the Coin Problem in the Broadcast Model
Department of Pure Mathematics and Mathematical Statistics(纯数学与数学统计系);University of Cambridge(剑桥大学)
该文在广播模型中研究二元分布测试的信息复杂度,确定三类参数区域的最优协议,推导下界与通用界,还将结果应用于集合不交性等问题的下界增强。
2026-08-05 cs.CC cs.IT math.IT