An Information-Theoretic Framework For Optimizing Experimental Design To Distinguish Probabilistic Neural Codes
本文提出了一种信息论框架,通过推导并最大化“信息差距”来优化实验刺激分布,从而有效区分早期感觉神经种群是编码似然函数还是后验分布这两种竞争性的概率神经编码假说。
176 篇论文
本文提出了一种信息论框架,通过推导并最大化“信息差距”来优化实验刺激分布,从而有效区分早期感觉神经种群是编码似然函数还是后验分布这两种竞争性的概率神经编码假说。
本文提出了一种基于大语言模型的新型信道状态信息反馈框架,通过将压缩任务重构为掩码令牌预测问题,并设计基于自信息的信息论掩码选择策略,优先反馈高信息量元素以最大化预测精度,从而有效解决 FDD 大规模 MIMO 系统中的 CSI 反馈难题。
本文通过移除线性码限制并推广至非自适应解码器及局部可纠错码场景,证明了具有小声错率的-查询松弛局部可解码码(RLDC)必然可转化为具有相当参数的标准-查询局部可解码码(LDC),从而改进了相关下界并深化了对两者关系的理解。
本文通过从几何视角阐释单纯复形与线性码之间的关联,揭示了复形拓扑操作对码参数的影响机制,并据此构建了多族最优二元线性码。
本书综述了近年来在多项式码(特别是 Reed-Solomon 码)列表解码领域的重大进展,包括实现信息论容量下的最优列表大小以及高效、近乎线性甚至次线性时间的解码算法。
本文针对大规模 MIMO 系统中传统波束成形依赖信道状态信息带来的高开销问题,提出了一种定位辅助的联合高斯波束成形方案,推导了其在二维和三维场景下的中断概率闭式表达式及最优波束模式,并验证了该优化方案的有效性。
本文指出,在考虑实际每接入点功率限制后,传统集中式预编码因需不切实际的功率分配而丧失性能优势,使得分布式预编码成为更稳健的选择。
本文提出了一种利用预训练扩散模型、无需重新训练即可遍历率失真感知(RDP)权衡曲面的框架,通过结合反向信道编码与新型分数缩放概率流 ODE 解码器,在理论上证明了其在高斯情况下的最优性,并在实证中展示了其在多数据集上灵活调节压缩比特率、重建保真度与感知质量的能力。
本文对 Rosenbloom 和 Tsfasman 提出的代数几何码进行了严谨推广,建立了基于光滑射影曲线、可逆层及高阶微分(Hasse-Schmidt 导数)的“微分 Goppa 码”理论框架,阐明了其参数变换性质、对偶定理,并证明了经典 Goppa 码是其特例且任意线性码均可在射影直线上通过两个有理点构造为微分 Goppa 码。
本文提出了 FedCova,一种无需外部依赖的联邦协方差学习框架,通过利用特征协方差构建子空间增强分类器并统一特征编码、分类器构建与标签校正过程,有效提升了联邦学习在噪声标签下的鲁棒性。
该论文针对贝叶斯和赤池信息准则在惩罚参数过小导致误报及高维离散优化不可行方面的缺陷,提出了一种基于检测边界选择枢轴惩罚参数的连续优化新准则(PIC),实现在保持预测性能的同时显著降低模型复杂度并精确恢复支持集。
本文利用狄维琴佐等人提出的陪集权重枚举器解析框架,通过数值计算和理论推导,研究了泡利信道下小稳定子码及其级联的非加性特征与误差阈值,报告了若干具有显著非加性的新级联码,并给出了相位与比特翻转重复码级联的闭式表达式及大长度阈值估计。
本文研究了非满足细致平衡条件的幺正量子马尔可夫半群,指出虽然其早期可能不满足完全修正对数索博列夫不等式,但在有限时间尺度下仍会呈现指数相对熵衰减,且当耗散远强于哈密顿演化时,噪声会自我限制,使得最终衰减速率与纯耗散部分的衰减率成反比。
本文通过凸几何中的 Tverberg 定理和编码框架,建立了自旋、玻色子及置换不变量子态空间之间的统一构造方法,从而生成了具有更优距离缩放比例及更短码长的新型量子纠错码与逻辑门。
本文提出了一种在线性量子信道下结合概率幅度整形技术的离散调制连续变量量子密钥分发协议,分析并证明其在集体攻击和反向协调框架下能接近高斯调制 GG02 协议的性能,同时克服了高斯调制在实际实现中的困难并保持了无条件安全性。
本文提出了一种利用可擦除子集将任意量子码转化为纠缠辅助码的通用方法,从而构建了稳定子框架之外的新方案,并探讨了利用简并性压缩接收方共享态的可能性。