Análisis de la tasa de distorsión de la codificación de fuente indirecta distribuida

Área de la Ciencia:

• Teoría de la información
• Sistemas distribuidos
• Aprendizaje automático

Sus antecedentes:

• La comunicación semántica orientada a la tarea y los sistemas de aprendizaje distribuido requieren un procesamiento eficiente de datos.
• La codificación indirecta de fuentes distribuidas implica múltiples fuentes codificadas independientemente para un decodificador central.

Objetivo del estudio:

• Estudiar un problema de codificación de fuente indirecta distribuida para recuperar una variable latente bajo restricciones de distorsión.
• Para caracterizar la función de la tasa de distorsión para fuentes condicionalmente independientes dada la información lateral.

Principales métodos:

• Derivación de la función exacta de tasa de distorsión para un caso específico de dependencia de la fuente.
• Desarrollo de un algoritmo distribuido Blahut-Arimoto (BA) para el cálculo numérico.
• Utilizando información lateral correlacionada en el decodificador.

Principales resultados:

• La función exacta de tasa de distorsión se caracteriza por fuentes de información lateral condicionalmente independientes.
• Se propone y valida un nuevo algoritmo distribuido de Blahut-Arimoto.
• El algoritmo calcula efectivamente la región de la tasa de distorsión.

Conclusiones:

• El marco propuesto proporciona un método para la codificación indirecta de fuentes distribuidas.
• El algoritmo desarrollado es eficaz para calcular las funciones de tasa de distorsión en sistemas complejos.
• Este trabajo avanza en la comunicación semántica y las capacidades de aprendizaje distribuido.