論文の概要: A Learning-Based Approach to Address Complexity-Reliability Tradeoff in
OS Decoders
- arxiv url: http://arxiv.org/abs/2103.03860v1
- Date: Fri, 5 Mar 2021 18:22:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-08 14:34:11.578034
- Title: A Learning-Based Approach to Address Complexity-Reliability Tradeoff in
OS Decoders
- Title(参考訳): osデコーダの複雑性・信頼性トレードオフへの学習に基づくアプローチ
- Authors: Baptiste Cavarec, Hasan Basri Celebi, Mats Bengtsson, Mikael Skoglund
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 32.35297363281744
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we study the tradeoffs between complexity and reliability for
decoding large linear block codes. We show that using artificial neural
networks to predict the required order of an ordered statistics based decoder
helps in reducing the average complexity and hence the latency of the decoder.
We numerically validate the approach through Monte Carlo simulations.
- Abstract(参考訳): 本稿では,大規模線形ブロック符号の復号化における複雑性と信頼性のトレードオフについて検討する。
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。
モンテカルロシミュレーションによるアプローチの数値検証を行った。
関連論文リスト
- Learned layered coding for Successive Refinement in the Wyner-Ziv
Problem [18.134147308944446]
本稿では,連続したソースのプログレッシブエンコーディングを明示的に学習するためのデータ駆動型アプローチを提案する。
この設定は、Wyner-Ziv符号問題の連続的な改善を指す。
我々は、RNNがスケーラブルなネスト量子化と同様の層状ビニングソリューションを明示的に検索できることを実証した。
論文 参考訳(メタデータ) (2023-11-06T12:45:32Z) - Union-find quantum decoding without union-find [4.24243593213882]
本稿では,デコーダの大規模動作がデータ構造を損なうことを示す。
アーキテクチャ設計の改善と単純化により、実際にリソースのオーバーヘッドを減らすことができる。
これはデコーダの大規模化において、一般的な最適化を省略した単純な実装であっても、線形時間で最悪のケースの複雑さをもたらす。
論文 参考訳(メタデータ) (2023-06-16T10:54:59Z) - The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。
本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-04-14T19:46:39Z) - Modular decoding: parallelizable real-time decoding for quantum
computers [55.41644538483948]
リアルタイム量子計算は、ノイズの多い量子ハードウェアによって生成されたデータのストリームから論理的な結果を取り出すことができる復号アルゴリズムを必要とする。
本稿では,デコーディングの精度を犠牲にすることなく,最小限の追加通信でこの問題に対処できるモジュールデコーディングを提案する。
本稿では,格子探索型耐故障ブロックのモジュールデコーディングの具体例であるエッジ頂点分解について紹介する。
論文 参考訳(メタデータ) (2023-03-08T19:26:10Z) - 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) - A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。
EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。
EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
論文 参考訳(メタデータ) (2022-11-13T17:13:12Z) - Multifidelity data fusion in convolutional encoder/decoder networks [0.0]
我々は、エンコーダ、デコーダ、スキップ接続から組み立てられた畳み込みニューラルネットワークの回帰精度を分析した。
少数の高忠実度データと多数の低忠実度データをトレーニングした際の精度を実証する。
論文 参考訳(メタデータ) (2022-05-10T21:51:22Z) - Boost decoding performance of finite geometry LDPC codes with deep
learning tactics [3.1519370595822274]
有限幾何LDPC符号のクラスに対して,低複雑かつ高性能なデコーダを求める。
高品質なトレーニングデータを効果的に生成する方法について詳述する。
論文 参考訳(メタデータ) (2022-05-01T14:41:16Z) - Error Correction Code Transformer [92.10654749898927]
本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。
我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。
提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
論文 参考訳(メタデータ) (2022-03-27T15:25:58Z) - Deep-Learning Based Linear Precoding for MIMO Channels with
Finite-Alphabet Signaling [0.5076419064097732]
本稿では,Multiple-Input Multi-output (MIMO)通信チャネルにおける線形プリコーディングの問題について検討する。
既存の解は通常、星座に制約された相互情報のコストのかかる計算のために計算の複雑さに悩まされる。
ディープラーニングに基づくデータ駆動型アプローチが,この問題に対処するために提案されている。
論文 参考訳(メタデータ) (2021-11-05T13:48:45Z) - A Compressive Sensing Approach for Federated Learning over Massive MIMO
Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。
本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文 参考訳(メタデータ) (2020-03-18T05:56:27Z)
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。