2. はじめに
お話のねらい
多端子情報理論からネットワーク情報理論へ
Polymatroid/Co-Polymatroid の概念がなぜ必要か
Han Te Sun “Multicasting Multiple Correlated Sources to Myltiple Sinks
over a Noisy Channel Network”, IEEE Trans. on Inform. Theory, Jan.
2011
情報理論ミニワークショップ 2013 年 3 月 26
Joe Suzuki (Osaka University) 多端子情報理論のマトロイド的構造 / 23
3. Han 2011
ネットワーク N = (V , E , C )
G = (V , E ): DAG
V : 有限集合 (nodes)
E ⊂ {(i, j)|i ̸= j, i, j ∈ V } (edge)
Φ, Ψ ⊂ V , Φ ∩ Ψ = ϕ (source and sink nodes)
(1) (n)
Source Xsn = (Xs , · · · , Xs ) (s ∈ Φ): stationary ergodic
XΦ = (Xs )s∈Φ , XT = (Xs )s∈T (T ⊂ Ψ)
Channel 入出力 Y , Z の推移確率 C = (ci,j ),
1
ci,j := lim max I (Y n , Z n ) (capacity)
n→∞ n Y n
各 (i, j) ∈ E で statistically independent
strong converse property
情報理論ミニワークショップ 2013 年 3 月 26
Joe Suzuki (Osaka University) 多端子情報理論のマトロイド的構造 / 23
4. Han 2011
N の Capacity Function ρN (S), S ⊂ Φ
(以下、集合 A の補集合を A と書くものとする) ¯
¯
(M, M) (cut)
EM := {(i, j) ∈ E |i ∈ M, j ∈ M} (cut set)
¯
∑
¯
c(M, M) := cij
¯
(i,j)∈E ,i∈M,j∈M
各 ϕ ̸= S ⊂ Φ, t ∈ Ψ について、ρt (S) := min ¯
c(M, M)
¯
M:S⊂M,t∈M
ρN (S) := min ρt (S)
t∈Ψ
情報理論ミニワークショップ 2013 年 3 月 26
Joe Suzuki (Osaka University) 多端子情報理論のマトロイド的構造 / 23
11. Han 2011
Converse: λn,t → 0 =⇒ H(XS |XS ) ≤ ρt (S), S ⊂ Φ
¯
(i1 , j1 ), · · · , (ir , jr ) ∈ M0 × M0 , ρt (S) = c(M0 , M0 )
¯ ¯
Y n := (Y n , · · · , Y n ), Z n := (Z n , · · · , Z n ),
1 r 1 r
I (XΦ ; XΦ,t |xS ) ≤ I (Y n ; Z n |xS )
n ˆn
¯ ¯
∑
H(XΦ |XΦ,t , xS ) ≤ rt (n, xS , S) := 1 + λn,t
n ˆn
¯ ¯ log |Xs |
s∈S
H(XΦ |xS )
n
¯ ≤ I (Y , Z |xS ) + rt (n, xS , S)
n
¯
n
¯
任意の τ > 0 と十分大きな n について、
∑
r ∑1
r
I (Y ; Z |xS ) ≤
n
¯
n
I (Yk ; Zk |xS )
n n
¯ ≤n n n
max I (Yk , Zk )
n n
Yk
k=1 k=1
∑ r
≤ n (cik ,jk + τ ) = n(ρt (S) + r τ )
k=1
∑
平均をとって、 n H(XS |XS ) ≤ ρt (S) +
1 n n
¯
1
n + λn,t s∈S log |Xs | + r τ
情報理論ミニワークショップ 2013 年 3 月 26
Joe Suzuki (Osaka University) 多端子情報理論のマトロイド的構造 / 23
12. Han 2011
Direct: H(XS |XS ) ≤ ρt (S), S ⊂ Φ =⇒ λn,t → 0
¯
τ
Rij = cij + τ , 0 < δ <
2
fij の出力が 2 n(Rij −δ) 個 (c + τ < R − δ = c + τ − δ < c + τ )
ij ij ij ij
2
En : {hij ̸= fij } なる (i, j) ∈ E が存在する事象
λn,t = Pr {En }Pr {Xϕ,t ̸= Xϕ |En } + Pr {En }Pr {Xϕ,t ̸= Xϕ |En }
¯ ˆn n ¯ ˆn n
が十分大きな n について、Pr {Xϕ,t ̸= Xϕ |En } で上界
ˆn n ¯
ランダム符号化 {fij }(i,j)∈E
∏
各 z ∈ k:(k,i)∈E [1, 2n(Rk,i −δ) ] で、fij (z) ∈ [1, 2n(Rij −δ) ] が独立で一様
情報理論ミニワークショップ 2013 年 3 月 26
Joe Suzuki (Osaka University) 多端子情報理論のマトロイド的構造 / 23
19. Matroid
¯
例 5: ρt (S) = minM:S⊂M,t∈M c(M, M) は、Φ 上の polymatroid
¯
任意に A, B ⊂ Φ を固定する。X ⊃ A, Y ⊃ B を
¯ ¯
ρt (A) = c(X , X ) , ρt (B) = c(Y , Y )
となるように選ぶと、A ∩ B ⊂ X ∩ Y , A ∪ B ⊂ X ∪ Y より、
ρt (A ∩ B) ≤ c(X ∩ Y , X ∩ Y )
ρt (A ∪ B) ≤ c(X ∪ Y , X ∪ Y )
= c(X , X ) + c(Y , Y ) − c(X ∩ Y , X ∩ Y )
¯ ¯
−c(X Y , X Y ) − c(Y X , Y X )
≤ ρt (A) + ρt (B) − ρt (A ∩ B)
情報理論ミニワークショップ 2013 年 3 月 26
Joe Suzuki (Osaka University) 多端子情報理論のマトロイド的構造 / 23