Régions atteignables pour la régression linéaire sur données compressées avec information adjacente - IMT Atlantique Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Régions atteignables pour la régression linéaire sur données compressées avec information adjacente

Résumé

In the framework of goal-oriented communications, this paper investigates the fundamental achievable rate-loss function of a learning task performed on compressed data with side-information at the decoder. Considering that the learning task is a linear regression, we first investigate the rate-loss region in the asymptotic regime, i.e., when the length of the source tends to infinity. The results are further extended to the finite blocklength regime. Our findings reveal that there is no tradeoff between data compression and the learning task in the asymptotic regime, while the opposite conclusion holds for the non-asymptotic case.
Nous nous plaçons dans le cadre d'une communication dont le but est d'effectuer une tâche d'apprentissage sur les données transmises. Nous étudions le compromis fondamental qu'il peut exister entre le taux de compression des données et l'erreur faite sur la tâche d'apprentissage sur ces données compressées. La tâche d'apprentissage est une régression linéaire, avec information adjacente au décodeur. Nous étudions dans un premier temps la région de débit-perte en régime asymptotique, c'est-à-dire lorsque la taille de la source tend vers l'infini, puis nous étendons les résultats au régime de longueur de blocs finie. Nous montrons qu'il n'y a pas de compromis entre la compression et l'estimation des paramètres de la régression en régime asymptotique, alors que la conclusion inverse s'applique dans le cas à taille finie.
Fichier principal
Vignette du fichier
Wei23Gretsi.pdf (261.69 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04184080 , version 1 (21-08-2023)

Identifiants

  • HAL Id : hal-04184080 , version 1

Citer

Jiahui Wei, Elsa Dupraz, Philippe Mary. Régions atteignables pour la régression linéaire sur données compressées avec information adjacente. GRETSI 2023 : XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. pp.185-188. ⟨hal-04184080⟩
24 Consultations
14 Téléchargements

Partager

Gmail Facebook X LinkedIn More