本文提出基于凸规划对离散输入字母和有限维输出的经典量子通道容量的迭代估算方法,得到 Holevo 容量的近似值,并且可将其扩展到有界连续输入和有限维输出的通道。
Jul, 2014
提出了两种新的编码方案,分别是基于有序随机编码(ORC)的编码方案和使用抖动量化的混合编码方案,用于有效传输噪声数据并降低编码成本。
Oct, 2021
提出一种迭代计算分散无记忆信道容量的方法,包括对输入分布的附加约束;利用凸规划的对偶性,获得了容量的显式上下界。该方法的复杂度为 O(M ^ 2 N√(log N)/ε),其中 N 和 M 分别表示输入和输出字母表的大小;单次迭代的复杂度为 O(MN)。同时,针对有限连续输入和可数输出字母表的无记忆信道提出了近似计算容量的方法,在一些关于信道尾部的渐变速率的温和假设下可以实现(离散时间泊松信道属于该问题类),并给出了其在峰值功率输入约束下的上下界估计路段作为案例研究
研究 PAC 学习量子过程问题,给出了样本复杂度估计,并推广了此问题到量子世界,得出了量子电路可在多项式样本下进行 PAC 学习且可近似区分量子状态。
Oct, 2018
本文发现了最佳可达失真联合源信道码率的新的严格有限块长度界限,并证明联合源信道码设计在非渐近区域中带来了相当大的性能优势。
Sep, 2012
研究了源编码率和概率与块长度的关系,推导出任意固定块长度下的紧致通用可达性和对话边界,对于具备可分离失真度的平稳无记忆源,最小可达速率接近于率失真函数加上速率分散。
Feb, 2011
对有限公共随机性的输出约束有损源编码进行失真率函数分析,讨论了均方误差度量的特殊情况,当源和重建分布均为高斯分布时,得到了显式表达式。这进一步揭示了以 Kullback-Leibler 散度或平方二次 Wasserstein 距离作为感知度量的二次高斯码率 - 失真 - 感知编码的信息论极限的部分特征。
Mar, 2024
我们研究了多维分布的相似性(或等价性)检测的统计任务,并提出了第一个解决这个问题的具有子学习样本复杂度的相似性检测器,其样本复杂度为 $O ((k^{6/7}/poly_d (ε)) log^d (k))$,同时建立了近似匹配的样本复杂度下界 $Ω(k^{6/7}/poly (ε))$,该问题在一维设置中的样本复杂度为 $Θ(k^{4/5}/poly (ε))$。我们的研究结果还衍生出了对于共同未知分区上的 $k$ 个直方图对和支持在 $k$ 个未知不相交轴对齐矩形的均匀分布对的 $d_{TV}$- 相似性检测器,并且在算法和下界的构建中,我们都借助了 Ramsey 理论的工具。
Nov, 2023
在本文中,我们研究了量子样本复杂性,使用了二种方法证明了量子和经典样本复杂性在 PAC 和 agnostic 模型上差不多,其中第一种方法可以得到与经典边界相同或仅相差一个对数的量子边界,而第二种方法可以不丧失对数因子的情况下完成分析。
Jul, 2016
本文提出了一个基于离散最优输运问题的简单子抽样方案,用于快速随机近似计算最优输运距离。该方案针对完全数据的随机子集操作,可使用任何精确算法作为黑盒后端,包括最先进的求解器和熵惩罚版本。我们给出了其非渐进偏差范围,以针对更高的精度或更短的计算时间进行简化。实验证明,该子抽样方案可以在计算时间大大降低的情况下,获得比精确方法更好的近似效果。
Feb, 2018