論文の概要: RE-MIMO: Recurrent and Permutation Equivariant Neural MIMO Detection
- arxiv url: http://arxiv.org/abs/2007.00140v2
- Date: Sat, 23 Jan 2021 10:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-11-15 06:06:09.639773
- Title: RE-MIMO: Recurrent and Permutation Equivariant Neural MIMO Detection
- Title（参考訳）: RE-MIMO: Recurrent and Permutation Equivariant Neural MIMO Detection
- Authors: Kumar Pratik, Bhaskar D. Rao, Max Welling
- Abstract要約: 無線通信システムにおけるシンボル検出のための新しいニューラルネットワークを提案する。
無線通信システムにおけるいくつかの重要な考察に動機付けられている。
その性能を既存手法と比較し,ネットワークが可変数の送信機を効率的に処理できることを示す。
- 参考スコア（独自算出の注目度）: 85.44877328116881
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a novel neural network for MIMO symbol detection.
It is motivated by several important considerations in wireless communication
systems; permutation equivariance and a variable number of users. The neural
detector learns an iterative decoding algorithm that is implemented as a stack
of iterative units. Each iterative unit is a neural computation module
comprising of 3 sub-modules: the likelihood module, the encoder module, and the
predictor module. The likelihood module injects information about the
generative (forward) process into the neural network. The encoder-predictor
modules together update the state vector and symbol estimates. The encoder
module updates the state vector and employs a transformer based attention
network to handle the interactions among the users in a permutation equivariant
manner. The predictor module refines the symbol estimates. The modular and
permutation equivariant architecture allows for dealing with a varying number
of users. The resulting neural detector architecture is unique and exhibits
several desirable properties unseen in any of the previously proposed neural
detectors. We compare its performance against existing methods and the results
show the ability of our network to efficiently handle a variable number of
transmitters with high accuracy.
- Abstract（参考訳）: 本稿では,MIMOシンボル検出のためのニューラルネットワークを提案する。
無線通信システムにおけるいくつかの重要な考慮 – 置換等分散とユーザ数の変動 – によって動機付けられている。
神経検出器は反復単位のスタックとして実装された反復復号アルゴリズムを学習する。
各反復ユニットは、3つのサブモジュールからなるニューラル計算モジュールである: 可能性モジュール、エンコーダモジュール、および予測モジュール。
likelihoodモジュールは、生成的(前方)プロセスに関する情報をニューラルネットワークに注入する。
エンコーダ-予測モジュールは状態ベクトルとシンボル推定を更新する。
エンコーダモジュールは状態ベクトルを更新し、変圧器ベースのアテンションネットワークを使用して、ユーザ間のインタラクションを置換同変方式で処理する。
予測モジュールはシンボル推定を洗練する。
モジュラーおよび置換同変アーキテクチャは、様々な数のユーザを扱うことができる。
結果として生じるニューラル検出器アーキテクチャはユニークで、これまで提案されたニューラル検出器のどれにも見つからないいくつかの望ましい特性を示す。
その性能を既存手法と比較すると,ネットワークが可変数の送信機を高精度で効率的に処理できることを示す。
関連論文リスト
- Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。
本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。
我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
論文 参考訳（メタデータ） (2023-10-09T11:26:58Z) - Permutation Equivariant Neural Functionals [92.0667671999604]
この研究は、他のニューラルネットワークの重みや勾配を処理できるニューラルネットワークの設計を研究する。
隠れた層状ニューロンには固有の順序がないため, 深いフィードフォワードネットワークの重みに生じる置換対称性に着目する。
実験の結果, 置換同変ニューラル関数は多種多様なタスクに対して有効であることがわかった。
論文 参考訳（メタデータ） (2023-02-27T18:52:38Z) - Detecting Information Relays in Deep Neural Networks [0.0]
本稿では,ネットワークの機能的モジュラリティの理解と解析に有用な情報理論の概念を提案する。
リレー情報は、特定の機能(モジュール)に参加するニューロンの情報グループが、入力から出力へのリレー数を測定する。
モジュールの機能は、モジュールが保持するリレー情報の量と相関していることを示す。
論文 参考訳（メタデータ） (2023-01-03T01:02:51Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Variable Bitrate Neural Fields [75.24672452527795]
本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。
辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
論文 参考訳（メタデータ） (2022-06-15T17:58:34Z) - Modeling Structure with Undirected Neural Networks [20.506232306308977]
任意の順序で実行できる計算を指定するためのフレキシブルなフレームワークである、非指向型ニューラルネットワークを提案する。
さまざまなタスクにおいて、非構造的かつ構造化された非指向型ニューラルアーキテクチャの有効性を実証する。
論文 参考訳（メタデータ） (2022-02-08T10:06:51Z) - Deep Convolutional Learning-Aided Detector for Generalized Frequency
Division Multiplexing with Index Modulation [0.0]
提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。
FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。
提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
論文 参考訳（メタデータ） (2022-02-06T22:18:42Z) - Multitask Learning and Joint Optimization for Transformer-RNN-Transducer
Speech Recognition [13.198689566654107]
本稿では,マルチタスク学習,共同最適化,および変換器-RNN-トランスデューサシステムの共同復号法について検討する。
提案手法は, 単語誤り率(WER)を16.6 %, 13.3 %削減できることを示す。
論文 参考訳（メタデータ） (2020-11-02T06:38:06Z) - Incremental Training of a Recurrent Neural Network Exploiting a
Multi-Scale Dynamic Memory [79.42778415729475]
本稿では,マルチスケール学習を対象とする,漸進的に訓練された再帰的アーキテクチャを提案する。
隠れた状態を異なるモジュールに分割することで、シンプルなRNNのアーキテクチャを拡張する方法を示す。
新しいモジュールがモデルに反復的に追加され、徐々に長い依存関係を学習するトレーニングアルゴリズムについて議論する。
論文 参考訳（メタデータ） (2020-06-29T08:35:49Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。