Zero-Delay Lossy Coding of Linear Vector Markov Sources with Applications to Networked Control
Notice bibliographique
Résumé
In this thesis we study the optimal zero-delay coding (quantization) of $\\mathbb{R}^d$-valued linearly \ngenerated Markov sources under quadratic distortion. The structure and existence of \ndeterministic and stationary coding policies that are optimal for the infinite horizon average \ncost (distortion) problem is established. Prior results studying the optimality \nof zero-delay codes for Markov sources for infinite horizons either considered finite \nalphabet sources or, for the $\\mathbb{R}^d$-valued case, only showed the \nexistence of deterministic and non-stationary Markov coding policies or those \nwhich are randomized. In addition to existence results, for finite blocklength \n(horizon) $T$ the performance of an optimal coding policy is shown to approach \nthe infinite time horizon optimum at a rate $O(\\frac{1}{T})$. This gives an \nexplicit rate of convergence that quantifies the near-optimality of finite window (finite-memory) \ncodes among all optimal zero-delay codes. In addition, we present an important application of our result to closed loop networked control systems. We show that with predictive encoder the separation principle for the infinite horizon problem holds. Prior results only proved this for finite horizon average cost problem.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».