Deepcode 与 Modulo-SK 为不同场景而设计
信息论
2020-08-19 v1 math.IT
机器学习
摘要
我们回应 [1] 中声称“Modulo-SK 方案优于 Deepcode [2]”的论断。我们证明该陈述不成立：这两种方案是为完全不同的场景设计并评估的。DeepCode 是为具有（可能延迟的）无编码输出反馈的 AWGN 信道设计并评估的。Modulo-SK 是在具有编码反馈和单位延迟的 AWGN 信道上评估的。[1] 还声称实现了 Schalkwijk 和 Kailath（SK）[3] 的一种对任意数量信息比特和迭代都数值稳定的实现。然而，我们观察到，尽管他们的实现相较我们的略有改进，其也存在精度方面的根本问题。最后，我们展示在反馈有噪声时，通过对参数化的自然选择，Deepcode 在优化后的 SK 性能上占优。
引用
@article{arxiv.2008.07997,
title = {Deepcode and Modulo-SK are Designed for Different Settings},
author = {Hyeji Kim and Yihan Jiang and Sreeram Kannan and Sewoong Oh and Pramod Viswanath},
journal= {arXiv preprint arXiv:2008.07997},
year = {2020}
}