On the achievable rates in decentralized networks with Randomized Masking
Notice bibliographique
Résumé
We address a two-user decentralized interference channel with static non-frequency selective channel gains. Both users are unaware of each other's code-books and there is no central controller to manage the allocation of resources between the two users. As multiuser detection is not possible, the conventional scheme of transmitting a continuous stream of i.i.d. symbols from Gaussian codebooks by each transmitter (referred to as continuous transmission) results in excessive interference. To provide both users with a partially interference-free channel, we propose that each user randomly quits transmitting from transmission slot to transmission slot independently with a probability of 1 - ε; ε ∈ (0, 1). This is called the Randomized Masking (RM) protocol. Due to the on-off nature of transmissions, the noise plus interference process has a mixed distribution. As a result, the mutual information between the input and the output of the channels does not accept any closed form expression. Assuming each user transmits i.i.d. signals upon activation, the highest achievable rate by each user is denoted by C <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">RM-I</sub> . We derive upper and lower bounds on C <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">RM-I</sub> where Entropy Power Inequality (EPI) and the extremal inequality of Liu and Viswanath are two important tools in this analysis. Using the proposed lower bound, we devise a distributed strategy to select the activity factor e. Note that this strategy includes the conventional continuous transmission by setting ε = 1. The main result of the paper states that there exist values of 0 ≤ α <; 1/2 <; β ≤ 1 such that for all ε ∈ (α, β) it is possible to achieve rates larger than C <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">RM-I</sub> as far as the Signal-to-Noise Ratio (SNR) is sufficiently large. Therefore, it is proved that transmitting i.i.d. signals in consecutive transmission slots is not optimum under the RM protocol.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».