具有尺寸相关测量噪声的低复杂度序贯搜索

Sung-En Chiu; Tara Javidi

具有尺寸相关测量噪声的低复杂度序贯搜索

信息论 2020-09-02 v2 math.IT 机器学习

作者: Sung-En Chiu , Tara Javidi

摘要

本文考虑一个目标定位问题，其中在任何给定时间，智能体可以选择一个区域来查询该区域中是否存在目标。测量噪声被假设为随智能体所选择查询区域的尺寸增大而增大。受阵列处理中的初始波束对齐、网络中的大流检测(heavy hitter detection)以及机器人中的视觉搜索等实际应用的启发，我们考虑实际重要的复杂度约束/度量：时间复杂度、计算和内存复杂度，以及可能查询集在几何和基数方面的复杂度。提出了两种新颖的搜索策略 $dyaPM$ 和 $hiePM$ 。鉴于我们解决方案的实用性， $dyaPM$ 和 $hiePM$ 具有连通的查询几何（即查询集始终为连通集），并以低计算和内存复杂度实现。此外， $hiePM$ 具有分层结构，因此进一步降低了可能查询集的基数，使 $hiePM$ 实际适用于诸如阵列处理中的波束成形等应用，其中内存限制倾向于更小的码本尺寸。通过基于外蕴Jensen-Shannon(Extrinsic Jensen Shannon, EJS)散度的统一分析，表明 $dyaPM$ 在搜索时间复杂度上渐近最优（在分辨率（速率）和误差（可靠性）上均渐近）。另一方面， $hiePM$ 被证明在速率上近最优。此外， $hiePM$ 和 $dyaPM$ 在非渐近情形下均优于先前的工作。

关键词

序贯搜索目标定位测量噪声时间复杂度查询几何外蕴Jensen-Shannon散度

引用

@article{arxiv.2005.07814,
  title  = {Low Complexity Sequential Search with Size-Dependent Measurement Noise},
  author = {Sung-En Chiu and Tara Javidi},
  journal= {arXiv preprint arXiv:2005.07814},
  year   = {2020}
}

备注

submitted revision to IEEE Transaction on Information Theory

具有尺寸相关测量噪声的低复杂度序贯搜索

摘要

关键词

引用

备注

相关论文