Distortion-transmission trade-off in real-time transmission of Markov\n sources
Notice bibliographique
Résumé
The problem of optimal real-time transmission of a Markov source under\nconstraints on the expected number of transmissions is considered, both for the\ndiscounted and long term average cases. This setup is motivated by applications\nwhere transmission is sporadic and the cost of switching on the radio and\ntransmitting is significantly more important than the size of the transmitted\ndata packet. For this model, we characterize the distortion-transmission\nfunction, i.e., the minimum expected distortion that can be achieved when the\nexpected number of transmissions is less than or equal to a particular value.\nIn particular, we show that the distortion-transmission function is a piecewise\nlinear, convex, and decreasing function. We also give an explicit\ncharacterization of each vertex of the piecewise linear function.\n To prove the results, the optimization problem is cast as a decentralized\nconstrained stochastic control problem. We first consider the Lagrange\nrelaxation of the constrained problem and identify the structure of optimal\ntransmission and estimation strategies. In particular, we show that the optimal\ntransmission is of a threshold type. Using these structural results, we obtain\ndynamic programs for the Lagrange relaxations. We identify the performance of\nan arbitrary threshold-type transmission strategy and use the idea of\ncalibration from multi-armed bandits to determine the optimal transmission\nstrategy for the Lagrange relaxation. Finally, we show that the optimal\nstrategy for the constrained setup is a randomized strategy that randomizes\nbetween two deterministic strategies that differ only at one state. By\nevaluating the performance of these strategies, we determine the shape of the\ndistortion-transmission function. These results are illustrated using an\nexample of transmitting a birth-death Markov source.\n
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».