MétaCan
Menu
Retour à la cohorte
Enregistrement W2963368320 · doi:10.1109/tit.2017.2664811

Improving on the Cut-Set Bound via Geometric Analysis of Typical Sets

2017· article· en· W2963368320 sur OpenAlexaff
Xiugang Wu, Ayfer Ozgiur, Liang‐Liang Xie

Notice bibliographique

RevueIEEE Transactions on Information Theory · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Science Foundation
Mots-clésNotationMathematicsDiscrete mathematicsAlgorithmComputer scienceArithmetic

Résumé

récupéré en direct d'OpenAlex

We consider the discrete memoryless symmetric primitive relay channel, where, a source$X$wants to send information to a destination$Y$with the help of a relay$Z$and the relay can communicate to the destination via an error-free digital link of rate$R_{0}$, while$Y$and$Z$are conditionally independent and identically distributed given$X$. We develop two new upper bounds on the capacity of this channel that are tighter than existing bounds, including the celebrated cut-set bound. Our approach significantly deviates from the standard information-theoretic approach for proving upper bounds on the capacity of multi-user channels. We build on the blowing-up lemma to analyze the probabilistic geometric relations between the typical sets of the$n$-letter random variables associated with a reliable code for communicating over this channel. These relations translate to new entropy inequalities between the$n$-letter random variables involved. As an application of our bounds, we study an open question posed by (Cover, 1987), namely, what is the minimum rate$R_{0}^{*}$needed for the$Z$–$Y$link in order for the capacity of the relay channel to be equal to that of the broadcast cut. We consider the special case when the$X$–$Y$and$X$–$Z$links are both binary symmetric channels. Our tighter bounds on the capacity of the relay channel immediately translate to tighter lower bounds for$R_{0}^{*}$. More interestingly, we show that when$p\to 1/2$,$R_{0}^{*}\geq 0.1803$; even though the broadcast channel becomes completely noisy as$p\to 1/2$and its capacity, and therefore the capacity of the relay channel, goes to zero, a strictly positive rate$R_{0}$is required for the relay channel capacity to be equal to the broadcast bound. Existing upper bounds on the capacity of the relay channel, and the cut-set bound in particular, would rather imply$R_{0}^{*}\to 0$, while achievability schemes require$R_{0}^{*}\to 1$. We conjecture that$R_{0}^{*}\to 1$as$p\to 1/2$.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,029
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,004
Communication savante0,0040,011
Science ouverte0,0050,007
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,282
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Information TheoryMême sujetCooperative Communication and Network CodingTravaux en français237 207