Fugu-MT 論文翻訳(概要): Optical Fiber Communication Systems Based on End-to-End Deep Learning

論文の概要: Optical Fiber Communication Systems Based on End-to-End Deep Learning

arxiv url: http://arxiv.org/abs/2005.08785v1
Date: Mon, 18 May 2020 15:02:42 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 00:41:04.010029
Title: Optical Fiber Communication Systems Based on End-to-End Deep Learning
Title（参考訳）: エンド・ツー・エンド深層学習に基づく光ファイバー通信システム
Authors: Boris Karanov, Mathieu Chagnon, Vahid Aref, Domanic Lavery, Polina Bayvel, Laurent Schmalen
Abstract要約: フィードフォワードまたは双方向リカレントニューラルネットワーク(BRNN)とディープラーニングに基づくエンドツーエンド最適化光伝送システムについて検討する。本稿では,BRNNオートエンコーダの試作実験を行い,分散非線形チャネル上での通信における繰り返し処理による性能向上について報告する。
参考スコア（独自算出の注目度）: 3.157838763210381
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We investigate end-to-end optimized optical transmission systems based on feedforward or bidirectional recurrent neural networks (BRNN) and deep learning. In particular, we report the first experimental demonstration of a BRNN auto-encoder, highlighting the performance improvement achieved with recurrent processing for communication over dispersive nonlinear channels.
Abstract（参考訳）: フィードフォワードまたは双方向リカレントニューラルネットワーク(BRNN)とディープラーニングに基づくエンドツーエンド最適化光伝送システムについて検討する。特に,BRNNオートエンコーダの試作実験を行い,分散非線形チャネル上での通信における繰り返し処理による性能向上について報告する。

関連論文リスト

Training Large-Scale Optical Neural Networks with Two-Pass Forward Propagation [0.0]
本稿では、トレーニング効率、非線形関数の実装、大規模入力データ処理に関連する光学ニューラルネットワーク(ONN)の限界について述べる。ランダムノイズによる誤差の変調と再入出力により,特定の非線形アクティベーション関数を回避する新しいトレーニング手法であるTwo-Pass Forward Propagationを導入する。統合光学系における単純なニューラルネットワークを用いた畳み込みニューラルネットワークの新たな実装法を提案する。
論文参考訳（メタデータ） (2024-08-15T11:27:01Z)
Deep Deterministic Policy Gradient for End-to-End Communication Systems without Prior Channel Knowledge [8.48741007380969]
E2E(End-to-End)学習に基づく概念は、無線通信システムにおいて送信機と受信機の両方を協調的に最適化するために最近導入された。本稿では,Deep Deterministic Policy gradient(DDPG)ベースのフレームワークを開発することにより,この問題を解決することを目的とする。
論文参考訳（メタデータ） (2023-05-12T13:05:32Z)
On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文参考訳（メタデータ） (2023-03-11T16:29:13Z)
Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
論文参考訳（メタデータ） (2022-11-09T09:19:15Z)
DeepTx: Deep Learning Beamforming with Channel Prediction [8.739166282613118]
本研究では,送信機の機械学習アルゴリズムに着目した。ビームフォーミングを考慮し、所定のアップリンクチャネル推定を入力として、ビームフォーミングに使用するダウンリンクチャネル情報を出力するCNNを提案する。ニューラルネットワークの主なタスクは、アップリンクとダウンリンクスロットの間のチャネル進化を予測することだが、チェーン全体の非効率性とエラーを処理することも学べる。
論文参考訳（メタデータ） (2022-02-16T11:19:54Z)
Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文参考訳（メタデータ） (2021-10-22T20:49:02Z)
NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor Multi-view Stereo [97.07453889070574]
本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
論文参考訳（メタデータ） (2021-09-02T17:54:31Z)
Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
論文参考訳（メタデータ） (2021-08-03T14:26:14Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Experimental Investigation of Deep Learning for Digital Signal Processing in Short Reach Optical Fiber Communications [2.9801732851402556]
リカレントニューラルネットワーク(RNN)を用いた自動エンコーダの性能向上手法について検討する。特に,最近提案されたスライディングウインドウ双方向RNN(SBRNN)光ファイバーオートエンコーダに着目した。受信機におけるシーケンス推定アルゴリズムにおける処理ウィンドウの調整は、チャネルモデルに基づいて訓練された単純なシステムのリーチを改善することを示す。
論文参考訳（メタデータ） (2020-05-18T15:09:41Z)
Cascaded Deep Video Deblurring Using Temporal Sharpness Prior [88.98348546566675]
提案アルゴリズムは主に,中間潜水フレームと潜水フレームの復元ステップから光フローを推定する。まず、中間潜伏フレームから光フローを推定し、推定した光フローに基づいて潜伏フレームを復元する深部CNNモデルを開発する。ビデオデブロアリングのドメイン知識を探索することで、深層CNNモデルをよりコンパクトで効率的なものにすることができることを示す。
論文参考訳（メタデータ） (2020-04-06T09:13:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。