Notice bibliographique
Résumé
This paper considers a massive connectivity scenario in which a base-station (BS) aims to communicate k individual sources (X1, ⋯ , Xk) to a random subset of k users among a large pool of n users via a common downlink message. The identities of the k active users are known at the BS, but each active user only knows whether it is active itself and does not know the identities of the other active users. The naive coding strategy of transmitting the source messages together with the indices of the users for which the messages are intended would require a rate of H(X1, ⋯ , Xk) + k log(n) bits. This paper shows that if the sources are jointly distributed according to an exchangeable distribution, better coding techniques can be used to eliminate the dependency of the overhead on log(n). Specifically, if the sources are independently and identically distributed (i.i.d.) or are i.i.d. mixture, then the overhead can be reduced to O(log(H(X1, ⋯ , Xk))) or at most O(log(k)) bits. The overhead can be further reduced to O(1) if the source distribution is uniform over its support. For a general exchangeable source not necessarily i.i.d. nor i.i.d. mixture, an overhead of O(k + log(k + H(X1, ⋯, Xk))) bits is achievable; if the source distribution has finite support, the overhead can be further reduced to O(log(k)). Moreover, for exchangeable distributions that are extendable, the rate can be further improved.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».