174 Arbeiten
Diese Arbeit stellt ein informationstheoretisches Framework vor, das durch die Maximierung der Kullback-Leibler-Divergenz zwischen Likelihood- und Posterior-Codes optimale Stimulusverteilungen für Experimente identifiziert, um konkurrierende probabilistische neuronale Kodierungshypothesen effektiv zu unterscheiden.
Diese Arbeit stellt ein neuartiges Framework vor, das Large Language Models nutzt, um die CSI-Rückmeldung in FDD-Massive-MIMO-Systemen zu optimieren, indem sie die Aufgabe als maskierte Token-Vorhersage reformuliert und eine informations-theoretische Maskierungsstrategie auf Basis der Selbstinformation anwendet, um die Vorhersagegenauigkeit zu maximieren.
Diese Arbeit zeigt, dass jede nicht-adaptive, -abfragende relaxiert lokal dekodierbare Kodierung (RLDC) mit einer ausreichend kleinen Fehlerwahrscheinlichkeit auch als -abfragende lokal dekodierbare Kodierung (LDC) mit vergleichbaren Parametern dient, wodurch die Trennung zwischen diesen Konzepten für kleine Abfragezahlen eingeschränkt und verbesserte untere Schranken für RLDCs, RLCCs und PCPPs abgeleitet werden.
Dieser Artikel stellt eine Methode vor, um aus beliebigen simplizialen Komplexen lineare Codes über endlichen Körpern zu konstruieren, wobei die Kodierungsparameter durch topologische Operationen und geometrische Eigenschaften des Komplexes bestimmt und optimiert werden.
Dieses Buch fasst die jüngsten Fortschritte beim effizienten Listen-Decodieren von Reed-Solomon-Codes und verwandten polynombasierten Codes zusammen, die eine Korrektur bis zur informationstheoretischen Kapazität mit optimaler Listenlänge und nahezu linearer oder sogar sublinearer Laufzeit ermöglichen.
Diese Arbeit untersucht positionierungsunterstützte Beamforming-Systeme mit gemeinsamen Gaußschen Strahlungsmustern, leitet geschlossene Ausdrücke für die Ausfallwahrscheinlichkeit und die optimale Strahlungsform ab und zeigt, dass die Optimierung im 2D-Fall unabhängig von der Positionsfehlerverteilung ist, während sie im 3D-Fall davon abhängt.
Diese Arbeit zeigt, dass die theoretische Überlegenheit zentralisierter Vorcodierung in zellfreien Massive-MIMO-Systemen unter realistischen, pro-Zugriffspunkt geltenden Leistungsbeschränkungen verschwindet, wodurch verteilte Vorcodierung als robuste Alternative hervorgehoben wird.
Diese Arbeit stellt einen trainingsfreien Framework vor, der vortrainierte Diffusionsmodelle in Kombination mit einem Reverse Channel Coding-Modul und einem skalierten Score-Flow-ODE-Dekodierer nutzt, um die gesamte Rate-Distortion-Perception-Fläche theoretisch fundiert und empirisch effektiv zu durchlaufen.
Diese Arbeit liefert eine rigorose Behandlung von Differential-Goppa-Codes auf Kurven beliebigen Geschlechts, indem sie diese über -Jets und Hasse-Schmidt-Ableitungen definiert, deren Verhalten unter Datenvariationen analysiert, eine Dualitätstheorie etabliert und zeigt, dass jeder lineare Code auf als Differential-Goppa-Code dargestellt werden kann.
Das Paper stellt FedCova vor, ein robustes Framework für das federierte Lernen, das durch die Nutzung von Feature-Kovarianzen und gegenseitiger Informationsmaximierung ohne externe Referenzdaten effektiv gegen verrauschte Labels in heterogenen Umgebungen vorgeht.
Die Arbeit stellt das „Pivotal Information Criterion" (PIC) vor, ein kontinuierliches Optimierungsverfahren mit einem an der Detektionsgrenze gewählten Strafterm, das im Vergleich zu etablierten Kriterien wie AIC und BIC in hochdimensionalen Szenarien eine präzisere Modellauswahl bei geringerer Komplexität ermöglicht.
Diese Arbeit untersucht numerisch und analytisch die Fehlergrenzen von Pauli-Kanälen, indem sie neue verkettete Stabilisatorcodes mit signifikanter Nicht-Additivität identifiziert, geschlossene Ausdrücke für gewichtszählende Funktionen herleitet und sowohl positive als auch kontraintuitive Ergebnisse zur Optimierung von Kanälen und zur Bestimmung von Schwellenwerten bereitstellt.
Die Arbeit zeigt, dass unitalen, endlichdimensionalen Quanten-Markov-Halbgruppen trotz des Fehlens einer detaillierten Balance und des Versagens von CMLSI-ähnlichem Zerfall zu frühen Zeitpunkten ein exponentieller Zerfall der relativen Entropie zu einem endlichen Zeitpunkt folgt, wobei bei starker Dissipation die Zerfallsrate durch eine „selbstbeschränkende Rausch"-Mechanik invers zur Dissipationsrate begrenzt wird.
Diese Arbeit entwickelt ein einheitliches Rahmenwerk zur Konstruktion von Quantenfehlerkorrekturcodes und logischen Gattern für spin-, bosonische und permutation-invariante Räume, indem sie diese mit diskreten Simplexen und -Darstellungen identifiziert und durch die Anwendung klassischer -Codes sowie des Satzes von Tverberg aus der konvexen Geometrie neue Code-Familien mit fast linear skaliertem Abstand und verbesserten Parametern erzeugt.