1351 पेपर
यह शोध पत्र डेसार्गेसियन स्प्रेड कोड्स (Desarguesian spread codes) की डिकोडिंग क्षमताओं को आधे न्यूनतम अंतर (half the minimum distance) से आगे बढ़ाते हुए एक नियरएस्ट नेबर डिकोडर (Nearest Neighbor Decoder) के माध्यम से अद्वितीय डिकोडिंग स्थापित करता है और एक नए एल्गोरिदम को प्रस्तुत करता है जो सम्मिलित इंसर्शन (insertions) और डिलीशन (deletions) को सफलतापूर्वक संभालता है, बशर्ते कि डिलीशन का आयाम (dimension) तक सीमित हो।
यह शोधपत्र एक वितरण रूप से सुदृढ़ कोवेरियेंस-स्टीयरिंग फ्रेमवर्क प्रस्तावित करता है जो गैररेखीय प्रणालियों के लिए स्टोकेस्टिक मार्गदर्शन नीतियों को डिजाइन करने हेतु रिलेटिव एंट्रॉपी बाधाओं और जोखिम-संवेदनशील मात्राओं पर गणनीय ऊपरी सीमाओं का उपयोग करता है, जिससे यह सुनिश्चित होता है कि वास्तविक अवस्था वितरण एक गॉसियन सरोगेट के करीब रहे और वितरण अस्पष्टता के कारण होने वाली अनुमान त्रुटियों को कम किया जा सके।
यह शोध पत्र मिन-एन्ट्रॉपी (min-entropy) और रेनी एन्ट्रॉपी (Rényi entropy) के अनुमान के लिए सटीक सैंपल कॉम्प्लेक्सिटी बाउंड्स स्थापित करता है, यह सिद्ध करते हुए कि मिन-एन्ट्रॉपी के लिए नमूनों की आवश्यकता होती है—जो एक पिछले लक्षण वर्णन को सुधारता है—और रेनी एन्ट्रॉपी के क्रम के लिए नमूनों की आवश्यकता होती है, जो वर्णमाला के आकार और क्रम दोनों पर निर्भरता को हल करने के लिए नवीन एस्टिमेटर्स और लोअर-बाउंड कंस्ट्रक्शन्स का उपयोग करता है।
यह शोध पत्र एक गैररेखीय स्टोकेस्टिक प्रणालियों (nonlinear stochastic systems) के लिए एक सुदृढ़ नियोजन ढांचे का प्रस्ताव करता है जो एक नाममात्र गॉसियन वितरण (nominal Gaussian distribution) के चारों ओर एक सापेक्ष एंट्रॉपी-बद्ध सेट (relative entropy-bounded set) को परिभाषित करके वितरण संबंधी अस्पष्टता (distributional ambiguity) के तहत जोखिम को सीमित करता है, जिसमें अस्पष्टता का आकार कोवेरिएंस विकास (covariance evolution) और गतिशील ट्रंकेशन त्रुटियों (dynamical truncation errors) द्वारा निर्धारित किया जाता है, जैसा कि एक अंतरिक्ष यान मार्गदर्शन अनुप्रयोग में प्रदर्शित किया गया है।
यह शोध पत्र अपूर्ण चैनल स्टेट इंफॉर्मेशन के तहत ओवर-द-एयर फेडरेटेड लर्निंग में ट्रांसमिट गुणांकों और रिसीव कंबाइनिंग वेक्टर्स के लिए एक संयुक्त अनुकूलन ढांचे का प्रस्ताव करता है, जो दीर्घकालिक मीन स्क्वेयर्ड एरर को कम करने और कई डेटासेट्स में मॉडल सटीकता को बनाए रखने के लिए लयापुनोव-आधारित अनुकूलन का उपयोग करता है।
यह शोधपत्र "कोफिलिंग शैटरिंग" (cofilling shattering) सिंड्रोम-पदानुक्रम को प्रस्तुत करता है जो उच्च कोसेट-लीडर भार वाले सिंड्रोम के -आयामी उपसमष्टि (subspace) को मुक्त करने के लिए आवश्यक न्यूनतम सामान्य चेक सहायता को परिमाणित करता है, जो यह प्रदर्शित करता है कि यह इनवेरिएंट स्वतंत्र सिंड्रोम रिलीज और जटिल उपसमष्टि संरचनाओं के बीच अंतर करता है और समान कोडों के लिए भी चेक आधार (check basis) के चयन के प्रति महत्वपूर्ण संवेदनशीलता को प्रकट करता है।
यह शोध पत्र गैर-अनुकूली (non-adaptive) एज क्वेरीज़ के माध्यम से प्रतिबंधित पहुंच के तहत रैंडम ग्राफ्स में मनमाने ढंग से रोपित (planted) सबग्राफ्स का पता लगाने की सूचना-सैद्धांतिक (information-theoretic) और एल्गोरिद्मिक सीमाओं की जांच करता है, जो सघन मोटिफ्स (dense motifs), उच्च-डिग्री वाले शीर्षों (high-degree vertices) और वैश्विक एज घनत्व जैसे संरचनात्मक तंत्रों का लाभ उठाकर विविध ग्राफ परिवारों के लिए मिलान करने वाली क्वेरी जटिलता सीमाओं को स्थापित करता है।
यह शोध पत्र एक एकीकृत ढांचे (unified framework) का प्रस्ताव करता है जो समय-परिवर्तनीय चैनलों, अपूर्ण CSI और उपयोगकर्ता विषमता (user heterogeneity) के कारण होने वाले प्रदर्शन ह्रास को कम करने के लिए GRU-आधारित टेम्पोरल चैनल अनुमान, डायनेमिक्स-अवेयर यूजर ग्रुपिंग और फिजिकल-लेयर ऑप्टिमाइज़ेशन को एकीकृत करता है, जो RIS-सहायता प्राप्त ओवर-द-एयर फेडरेटेड लर्निंग के लिए है।
यह ट्यूटोरियल रेट-डिस्टॉर्शन-परसेप्शन (RDP) सिद्धांत का एक संरचित अवलोकन प्रदान करता है, जो जनरेटिव आर्किटेक्चर या एआई-सक्षम प्रणालियों पर जोर देने के बजाय, कोडिंग-सैद्धांतिक सिद्धांतों, विभिन्न संवेदी बाधाओं के तहत RDP फलन की गणना करने की कम्प्यूटेशनल विधियों और भविष्य की अनुसंधान दिशाओं पर ध्यान केंद्रित करता है।
यह शोध पत्र नए नो-क्लोनिंग (no-cloning) प्रतिबंधों को स्थापित करके एम.बी. हेस्टिंग्स के अनुमान को सिद्ध करता है, जो यह प्रदर्शित करते हैं कि जब प्रत्येक भौतिक वाहक को की प्रायिकता के साथ स्वतंत्र रूप से मिटा दिया जाता है, तो से अधिक की प्रायिकता के साथ क्वांटम सूचना को पूर्णतः पुनर्प्राप्त करना असंभव है।