論文の概要: Variational Autoencoders for Studying the Manifold of Precoding Matrices with High Spectral Efficiency

• arxiv url: http://arxiv.org/abs/2111.15626v2
• Date: Wed, 1 Dec 2021 06:41:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 02:31:03.819348
• Title: Variational Autoencoders for Studying the Manifold of Precoding Matrices with High Spectral Efficiency
• Title（参考訳）: 高スペクトル効率プリコーディング行列のマニフォールド解析のための変分オートエンコーダ
• Authors: Evgeny Bobrov (1 and 2), Alexander Markov (3), Dmitry Vetrov (3) ((1) Moscow Research Center, Huawei Technologies, Russia, (2) M. V. Lomonosov Moscow State University, Russia, (3) National Research University Higher School of Economics, Russia)
• Abstract要約: スペクトル効率(SE)の高い事前符号化行列を見つけるために、変分オートエンコーダを用いる方法を検討する。 私たちの目標は、最小品質の劣化を伴う、より時間を要するアルゴリズムを作ることです。
• 参考スコア（独自算出の注目度）: 47.187609203210705
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In multiple-input multiple-output (MIMO) wireless communications systems, neural networks have been employed for channel decoding, detection, channel estimation, and resource management. In this paper, we look at how to use a variational autoencoder to find a precoding matrix with a high Spectral Efficiency (SE). To collect optimal precoding matrices, an optimization approach is used. Our objective is to create a less time-consuming algorithm with minimum quality degradation. To build precoding matrices, we employed two forms of variational autoencoders: conventional variational autoencoders (VAE) and conditional variational autoencoders (CVAE). Both methods may be used to study a wide range of optimal precoding matrices. To the best of our knowledge, the development of precoding matrices for the spectral efficiency objective function (SE) utilising VAE and CVAE methods is being published for the first time.
• Abstract（参考訳）: マルチインプット多重出力(MIMO)無線通信システムでは、チャネル復号、検出、チャネル推定、リソース管理にニューラルネットワークが使用されている。 本稿では,スペクトル効率 (se) の高いプリコーディング行列を求めるために,変分オートエンコーダをどのように利用するかを検討する。 最適プリコーディング行列の収集には最適化手法を用いる。 私たちの目標は、最小品質の劣化を伴う、より時間を要するアルゴリズムを作ることです。 プリコーディング行列を構築するために,従来の変分オートエンコーダ (vae) と条件付き変分オートエンコーダ (cvae) の2種類の変分オートエンコーダを用いた。 どちらの手法も、幅広い最適プリコーディング行列の研究に使用できる。 我々の知る限り、VAE法とCVAE法を利用したスペクトル効率客観的関数(SE)のためのプリコーディング行列の開発が、初めて発表されている。

関連論文リスト

• 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)
• 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)
• On the Use of Modality-Specific Large-Scale Pre-Trained Encoders for Multimodal Sentiment Analysis [27.497457891521538]
  ドメイン固有の事前訓練エンコーダを持つメソッドは、非モーダルおよびマルチモーダルの両方のシナリオで従来の機能を持つ方法よりも優れたパフォーマンスが得られる。 また、エンコーダの中間層の出力を出力層の出力よりも使用した方がよいことも分かりました。
  論文  参考訳（メタデータ） (2022-10-28T06:48:35Z)
• Efficient Nearest Neighbor Search for Cross-Encoder Models using Matrix Factorization [60.91600465922932]
  本稿では,クロスエンコーダのみに頼って,二重エンコーダによる検索を回避する手法を提案する。 我々のアプローチは、現在の広く使われている方法よりも優れたテスト時間リコール-vs計算コストトレードオフを提供する。
  論文  参考訳（メタデータ） (2022-10-23T00:32:04Z)
• String-based Molecule Generation via Multi-decoder VAE [56.465033997245776]
  可変オートエンコーダ(VAE)による文字列型分子生成の問題点について検討する。 本稿では,そのタスクに対するVAEの性能を改善するための,シンプルで効果的なアイデアを提案する。 実験では,提案するVAEモデルを用いて,領域外分布からサンプルを生成する。
  論文  参考訳（メタデータ） (2022-08-23T03:56:30Z)
• A new Sparse Auto-encoder based Framework using Grey Wolf Optimizer for Data Classification Problem [0.0]
  列車のスパースオートエンコーダにグレーオオカミ最適化(GWO)を適用する。 モデルは、いくつかの人気のあるGene式データベースを使用することで検証される。 その結果、GWOを用いた学習モデルの性能は、一般的なメタヒューリスティックアルゴリズムで訓練された従来のモデルとモデルの両方で優れていた。
  論文  参考訳（メタデータ） (2022-01-29T04:28:30Z)
• Simple and Effective VAE Training with Calibrated Decoders [123.08908889310258]
  変分オートエンコーダ(VAE)は、複雑な分布をモデル化するための効果的で簡単な方法である。 復号分布の不確かさを学習する校正復号器の影響について検討する。 本稿では,一般的なガウス復号器の簡易かつ斬新な修正を提案し,その予測分散を解析的に計算する。
  論文  参考訳（メタデータ） (2020-06-23T17:57:47Z)
• Encoder blind combinatorial compressed sensing [5.177947445379688]
  線形測定のみからスパース符号の集合を復元するデコーダを設計する際の問題点を考察する。 本稿では,Decoder-Expander Based Factorisationという計算効率のよいデコードアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-10T16:26:11Z)
• Deterministic Decoding for Discrete Data in Variational Autoencoders [5.254093731341154]
  サンプリングの代わりに最上位のトークンを選択するシーケンシャルデータに対して,決定論的デコーダ(DD-VAE)を用いたVAEモデルについて検討する。 分子生成や最適化問題を含む複数のデータセット上でのDD-VAEの性能を示す。
  論文  参考訳（メタデータ） (2020-03-04T16:36:52Z)

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。