論文の概要: Construction of Polar Codes with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2009.09277v1
• Date: Sat, 19 Sep 2020 17:59:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 21:44:55.896013
• Title: Construction of Polar Codes with Reinforcement Learning
• Title（参考訳）: 強化学習による極性コードの構築
• Authors: Yun Liao, Seyyed Ali Hashemi, John Cioffi, Andrea Goldsmith
• Abstract要約: 本稿では,連続キャンセラリスト(SCL)デコーダの極符号構成問題を迷路トラバースゲームとして定式化する。 提案手法は、信頼性の高いビットチャネルのソートや選択に依存しない、ポーラコード構築のための新しい手法を提供する。
• 参考スコア（独自算出の注目度）: 13.977646909897796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper formulates the polar-code construction problem for the successive-cancellation list (SCL) decoder as a maze-traversing game, which can be solved by reinforcement learning techniques. The proposed method provides a novel technique for polar-code construction that no longer depends on sorting and selecting bit-channels by reliability. Instead, this technique decides whether the input bits should be frozen in a purely sequential manner. The equivalence of optimizing the polar-code construction for the SCL decoder under this technique and maximizing the expected reward of traversing a maze is drawn. Simulation results show that the standard polar-code constructions that are designed for the successive-cancellation decoder are no longer optimal for the SCL decoder with respect to the frame error rate. In contrast, the simulations show that, with a reasonable amount of training, the game-based construction method finds code constructions that have lower frame-error rate for various code lengths and decoders compared to standard constructions.
• Abstract（参考訳）: 本稿では,逐次キャンセラリスト(SCL)デコーダの極符号構成問題をモーズトラバースゲームとして定式化し,強化学習技術により解くことができる。 提案手法は,信頼性の高いビットチャネルのソートや選択に依存しない新しい極符号構築手法を提供する。 代わりに、この手法は入力ビットを純粋にシーケンシャルに凍結するかどうかを決定する。 この手法により、sclデコーダの極符号構成を最適化し、迷路を横断する期待報酬を最大化する等価性が描画される。 シミュレーションの結果,逐次キャセラレーションデコーダ用に設計された標準極符号構成は,フレーム誤り率に関してSCLデコーダにもはや最適ではないことがわかった。 対照的に、シミュレーションでは、合理的なトレーニングによって、ゲームベースの構築手法は、様々なコード長とデコーダに対して、フレームエラー率の低いコード構成を見つける。

関連論文リスト

• Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
  低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。 提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-06-09T12:08:56Z)
• Learning Linear Block Error Correction Codes [62.25533750469467]
  本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。 また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-07T06:47:12Z)
• Nested Construction of Polar Codes via Transformers [3.2841640957249285]
  本稿では,任意の長さとレートの極性符号を様々なチャネル条件下で反復的に構築するためのシーケンスモデリングフレームワークを提案する。 シミュレーションにより, 変圧器を用いた逐次モデリングにより設計した極性符号は, AWGN と Rayleigh のファイディングチャネルにおいて, 5G-NR シーケンスおよび密度進化に基づくアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2024-01-30T17:17:43Z)
• Testing the Accuracy of Surface Code Decoders [55.616364225463066]
  大規模でフォールトトレラントな量子計算は量子エラー訂正符号(QECC)によって実現される 本研究は,QECC復号方式の精度と有効性をテストするための最初の体系的手法である。
  論文  参考訳（メタデータ） (2023-11-21T10:22:08Z)
• Deep Polar Codes [19.265010348250897]
  我々は、深度極性符号(deep polar code)と呼ばれる、事前変換された極性符号の新たなクラスを導入する。 まず、様々な大きさの多層極変換を利用するディープ・ポーラ・エンコーダを提案する。 我々の符号化法はレートプロファイリングの柔軟性を提供し、幅広いコードレートとブロック長を受け入れる。
  論文  参考訳（メタデータ） (2023-08-06T03:29:18Z)
• Machine Learning-Aided Efficient Decoding of Reed-Muller Subcodes [59.55193427277134]
  Reed-Muller (RM) 符号は、一般的なバイナリインプットメモリレス対称チャネルの容量を達成する。 RM符号は制限されたレートのみを許容する。 効率的なデコーダは、RM符号に対して有限長で利用可能である。
  論文  参考訳（メタデータ） (2023-01-16T04:11:14Z)
• Neural Belief Propagation Decoding of Quantum LDPC Codes Using Overcomplete Check Matrices [60.02503434201552]
  元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。 このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
  論文  参考訳（メタデータ） (2022-12-20T13:41:27Z)
• Denoising Diffusion Error Correction Codes [92.10654749898927]
  近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。 最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。 本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
  論文  参考訳（メタデータ） (2022-09-16T11:00:50Z)
• Scalable Polar Code Construction for Successive Cancellation List Decoding: A Graph Neural Network-Based Approach [11.146177972345138]
  本稿では、まず、極性符号を、極性符号構成メッセージパスグラフと呼ばれる異種グラフにマッピングする。 次に,極性コードに対応するPCCMPグラフの探索を目的とした,グラフニューラルネットワークに基づく反復的メッセージパッシングアルゴリズムを提案する。 数値実験により、IMPベースの極符号構造はCA-SCLデコードの下での古典的な構成よりも優れていた。
  論文  参考訳（メタデータ） (2022-07-03T19:27:43Z)
• A Modified Q-Learning Algorithm for Rate-Profiling of Polarization Adjusted Convolutional (PAC) Codes [0.0]
  本稿では,有観の分極支援畳み込み(PAC)符号の高頻度構築のための強化学習に基づくアルゴリズムを提案する。 筆者らは, 強化学習エージェントが既存の文献よりもはるかに優れたレートの発見を支援する一連の戦略を, 初めて提示する。
  論文  参考訳（メタデータ） (2021-10-04T16:59:49Z)
• A Learning-Based Approach to Address Complexity-Reliability Tradeoff in OS Decoders [32.35297363281744]
  本稿では,人工ニューラルネットワークを用いて順序統計に基づくデコーダの必要な順序を予測することで,平均的複雑性やデコーダの遅延を低減できることを示した。
  論文  参考訳（メタデータ） (2021-03-05T18:22:20Z)

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。