Fugu-MT 論文翻訳(概要): Non-Linear Self-Interference Cancellation via Tensor Completion

論文の概要: Non-Linear Self-Interference Cancellation via Tensor Completion

arxiv url: http://arxiv.org/abs/2010.01868v1
Date: Mon, 5 Oct 2020 09:08:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 22:26:54.607393
Title: Non-Linear Self-Interference Cancellation via Tensor Completion
Title（参考訳）: テンソル完備による非線形自己干渉キャンセル
Authors: Freek Jochems and Alexios Balatsoukas-Stimming
Abstract要約: 標準系同定(CSID)と呼ばれる低ランクテンソル完備化に基づく手法を提案する。その結果、CSIDは非線形SI信号のモデリングに非常に有効であり、既存の手法よりも計算複雑性が低いことがわかった。
参考スコア（独自算出の注目度）: 7.9264657672268894
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Non-linear self-interference (SI) cancellation constitutes a fundamental problem in full-duplex communications, which is typically tackled using either polynomial models or neural networks. In this work, we explore the applicability of a recently proposed method based on low-rank tensor completion, called canonical system identification (CSID), to non-linear SI cancellation. Our results show that CSID is very effective in modeling and cancelling the non-linear SI signal and can have lower computational complexity than existing methods, albeit at the cost of increased memory requirements.
Abstract（参考訳）: 非線形自己干渉(SI)キャンセルは、一般に多項式モデルまたはニューラルネットワークを用いて取り組まれる全二重通信の基本的な問題である。そこで本研究では,低ランクテンソル完備化(canonical system Identification, CSID)に基づく非線形SIキャンセルへの適用性について検討する。その結果、CSIDは非線形SI信号のモデリングやキャンセルに非常に効果的であり、メモリ要求の増加を犠牲にしながら、既存の手法よりも計算の複雑さが低いことがわかった。

関連論文リスト

Exact identification of nonlinear dynamical systems by Trimmed Lasso [0.0]
非線形力学系の同定は非線形力学(SINDy)アルゴリズムのスパース同定によって一般化されている。 E-SINDyは有限でノイズの多いデータを扱うモデル同定のために提案された。本稿では,モデル(TRIM)のロバスト同定のためのトリムラッソが,E-SINDyに対して,より厳しい雑音,有限データ,複数線形性の下で正確なリカバリを実現することを実証する。
論文参考訳（メタデータ） (2023-08-03T17:37:18Z)
Neural Abstractions [72.42530499990028]
本稿では,ニューラルネットワークを用いた非線形力学モデルの安全性検証手法を提案する。提案手法は,既存のベンチマーク非線形モデルにおいて,成熟度の高いFlow*と同等に動作することを示す。
論文参考訳（メタデータ） (2023-01-27T12:38:09Z)
An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文参考訳（メタデータ） (2022-08-11T22:27:22Z)
A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-01-29T23:31:25Z)
A novel Deep Neural Network architecture for non-linear system identification [78.69776924618505]
非線形システム識別のための新しいDeep Neural Network (DNN)アーキテクチャを提案する。メモリシステムにインスパイアされたインダクティブバイアス(アーキテクチャ)と正規化(損失関数)を導入する。このアーキテクチャは、利用可能なデータのみに基づいて、自動的な複雑性の選択を可能にする。
論文参考訳（メタデータ） (2021-06-06T10:06:07Z)
Least-Squares ReLU Neural Network (LSNN) Method For Linear Advection-Reaction Equation [3.6525914200522656]
本稿では,不連続解を用いた線形対流-反作用問題の解法として,最小二乗ReLUニューラルネットワーク法について検討する。この方法は、ReLUニューラルネットワークの自由超平面を介して、基礎となる問題の不連続なインターフェースを自動で近似することができる。
論文参考訳（メタデータ） (2021-05-25T03:13:15Z)
On the Stability Properties and the Optimization Landscape of Training Problems with Squared Loss for Neural Networks and General Nonlinear Conic Approximation Schemes [0.0]
ニューラルネットワークと一般的な非線形円錐近似スキームの2乗損失を伴うトレーニング問題の最適化景観と安定性特性について検討する。これらの不安定性に寄与する同じ効果が、サドル点や急激な局所ミニマの出現の原因でもあることを証明している。
論文参考訳（メタデータ） (2020-11-06T11:34:59Z)
Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文参考訳（メタデータ） (2020-09-29T12:50:33Z)
Low Complexity Neural Network Structures for Self-Interference Cancellation in Full-Duplex Radio [21.402093766480746]
計算複雑性を低減したSI信号のモデリングには,2つの新しい低複雑性ニューラルネットワーク(NN)が提案されている。 2つの構造はラダーワイドグリッド構造(LWGS)と移動ウィンドウグリッド構造(MWGS)と呼ばれる。シミュレーションの結果,LWGSとMWGSベースのキャンセル器はNNベースのキャンセル器と同じキャンセル性能が得られることがわかった。
論文参考訳（メタデータ） (2020-09-23T20:10:08Z)
Differentiable Causal Discovery from Interventional Data [141.41931444927184]
本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
論文参考訳（メタデータ） (2020-07-03T15:19:17Z)

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。