当投影大幅降低维度时随机投影多面体的面计数
Counting faces of randomly-projected polytopes when the projection radically lowers dimension
AI总结：
本文发展渐近方法计数随机高维多面体的面，并揭示在统计、概率、信息论和信号处理中的意外应用，包括高斯点云凸包、随机投影信号恢复以及高斯纠错码可纠正的粗差数量。
摘要：
本文发展渐近方法计数随机高维多面体的面。除了其内在兴趣，我们的结论具有令人惊讶的含义——在统计学、概率论、信息论和信号处理中——并对医学成像和数字通信等实际领域有潜在影响。其中三个含义涉及：高斯点云的凸包、从随机投影中恢复信号，以及从高斯纠错码中可以有效纠正多少粗差。
英文摘要：
This paper develops asymptotic methods to count faces of random high-dimensional polytopes. Beyond its intrinsic interest, our conclusions have surprising implications - in statistics, probability, information theory, and signal processing - with potential impacts in practical subjects like medical imaging and digital communications. Three such implications concern: convex hulls of Gaussian point clouds, signal recovery from random projections, and how many gross errors can be efficiently corrected from Gaussian error correcting codes.
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。
