On the Redundancy of Slepian–Wolf Coding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<para xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> In this paper, the redundancy of both variable and fixed rate Slepian–Wolf coding is considered. Given any jointly memoryless source-side information pair <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$\{(X_i, Y_i)\}_{i=1}^{\infty}$</tex></formula></emphasis> with finite alphabet, the redundancy <emphasis emphasistype="italic"><formula formulatype="inline"> <tex Notation="TeX">$R^n(\epsilon_n)$</tex></formula></emphasis> of variable rate Slepian–Wolf coding of <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$X_1^n$</tex></formula></emphasis> with decoder only side information <emphasis emphasistype="italic"><formula formulatype="inline"> <tex Notation="TeX">$Y_1^n$</tex></formula></emphasis> depends on both the block length <emphasis emphasistype="italic"><formula formulatype="inline"> <tex Notation="TeX">$n$</tex></formula></emphasis> and the decoding block error probability <emphasis emphasistype="italic"><formula formulatype="inline"> <tex Notation="TeX">$\epsilon_n$</tex></formula></emphasis>, and is defined as the difference between the minimum average compression rate of order <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$n$</tex> </formula></emphasis> variable rate Slepian–Wolf codes having the decoding block error probability less than or equal to <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$\epsilon_n$</tex></formula></emphasis>, and the conditional entropy <emphasis emphasistype="italic"><formula formulatype="inline"> <tex Notation="TeX">$H(X\vert Y)$</tex></formula></emphasis>, where <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$H(X\vert Y)$</tex></formula></emphasis> is the conditional entropy rate of the source given the side information. The redundancy of fixed rate Slepian–Wolf coding of <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$X_1^n$</tex></formula></emphasis> with decoder only side information <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$Y_1^n$</tex> </formula></emphasis> is defined similarly and denoted by <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$R^n_F(\epsilon_n)$</tex></formula></emphasis>. It is proved that under mild assumptions about <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$\epsilon_n,$</tex></formula></emphasis> <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$R^n(\epsilon_n) = d_v \sqrt{-\log\epsilon_n/n} + o(\sqrt{-\log \epsilon_n/n})$</tex></formula></emphasis> and <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$R^n_{F}(\epsilon_n) = d_f \sqrt{- \log \epsilon_n / n} + o(\sqrt{-\log \epsilon_n/n})$</tex></formula></emphasis>, where <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$d_f$</tex> </formula></emphasis> and <emphasis emphasistype="italic"><formula formulatype="inline"> <tex Notation="TeX">$d_v$</tex></formula></emphasis> are two constants completely determined by the joint distribution of the source-side information pair. Since <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$d_v$</tex> </formula></emphasis> is generally smaller than <emphasis emphasistype="italic"><formula formulatype="inline"><tex Notation="TeX">$d_f$</tex></formula></emphasis>, our results show that variable rate Slepian–Wolf coding is indeed more efficient than fixed rate Slepian–Wolf coding. </para>
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.
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 | 0,000 | 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 | 0,001 |
| 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 découle