論文の概要: End-to-End Learning of Joint Geometric and Probabilistic Constellation
Shaping
- arxiv url: http://arxiv.org/abs/2112.05050v1
- Date: Thu, 9 Dec 2021 17:23:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 15:51:29.268246
- Title: End-to-End Learning of Joint Geometric and Probabilistic Constellation
Shaping
- Title(参考訳): 連成幾何学・確率的星形成のエンドツーエンド学習
- Authors: Vahid Aref, Mathieu Chagnon
- Abstract要約: 本稿では,符号変調系に対する関節形状および確率論的星座形状の自己エンコーダに基づく新しい学習法を提案する。
相互情報(シンボルメトリック復号法)と一般化相互情報のいずれかを最大化することができる。
- 参考スコア(独自算出の注目度): 3.4722706398428502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel autoencoder-based learning of joint geometric and
probabilistic constellation shaping for coded-modulation systems. It can
maximize either the mutual information (for symbol-metric decoding) or the
generalized mutual information (for bit-metric decoding).
- Abstract(参考訳): 本稿では,新しい自動エンコーダに基づく,共役幾何学的・確率的連星形成の学習法を提案する。
相互情報(シンボルメトリック復号法)や一般化相互情報(ビットメトリック復号法)を最大化することができる。
関連論文リスト
- Semi-Supervised Manifold Learning with Complexity Decoupled Chart
Autoencoders [65.2511270059236]
本研究は、クラスラベルなどの半教師付き情報を付加できる非対称符号化復号プロセスを備えたチャートオートエンコーダを導入する。
データ多様体の内在次元に依存するネットワークの理論的近似力について論じる。
論文 参考訳(メタデータ) (2022-08-22T19:58:03Z) - MFM-Net: Unpaired Shape Completion Network with Multi-stage Feature
Matching [38.63975659511946]
我々は、幾何学的対応の学習を多段階に分解する、MFM-Netと呼ばれる新しい不対形状完備ネットワークを提案する。
MFM-Netは、完全な形状と不完全な形状の間の幾何学的対応を確立するために、より包括的な理解を利用する。
論文 参考訳(メタデータ) (2021-11-23T16:10:06Z) - Deep Relational Metric Learning [84.95793654872399]
本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。
我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。
広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
論文 参考訳(メタデータ) (2021-08-23T09:31:18Z) - Neural Distributed Source Coding [79.83751738445713]
相関構造に依存せず,高次元までスケール可能な損失DSCのためのフレームワークを提案する。
提案手法は,複数のデータセット上で評価し,複雑な相関関係と最先端PSNRを扱えることを示す。
論文 参考訳(メタデータ) (2021-06-05T04:50:43Z) - 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) - Shape-driven Coordinate Ordering for Star Glyph Sets via Reinforcement
Learning [32.18699420388572]
本稿では,スターグリフの座標順序問題を解くために強化学習を訓練したニューラル最適化モデルを提案する。
2つのユーザスタディにより,クラス分離を知覚する上で,本手法による注文が望ましいことが示された。
論文 参考訳(メタデータ) (2021-03-03T13:05:10Z) - Emerging Trends in Federated Learning: From Model Fusion to Federated X
Learning [67.51125810705773]
フェデレートラーニング(Federated Learning)は、データ収集とモデルトレーニングを、マルチパーティの計算とモデルアグリゲーションを通じて分離する新しいパラダイムである。
我々は、他の学習アルゴリズムとともに、フェデレーション学習の焦点を絞った調査を行う。
論文 参考訳(メタデータ) (2021-02-25T15:18:13Z) - Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。
相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
論文 参考訳(メタデータ) (2020-09-07T16:47:30Z) - MetaSDF: Meta-learning Signed Distance Functions [85.81290552559817]
ニューラルな暗示表現で形状を一般化することは、各関数空間上の学習先行値に比例する。
形状空間の学習をメタラーニング問題として定式化し、勾配に基づくメタラーニングアルゴリズムを利用してこの課題を解決する。
論文 参考訳(メタデータ) (2020-06-17T05:14:53Z) - Reasoning About Generalization via Conditional Mutual Information [26.011933885798506]
我々は、Mutual Information (CMI) を用いて、入力がどの程度の精度で認識できるかを定量化する。
CMIのバウンダリは,VC次元,圧縮スキーム,差分プライバシー,その他の手法から得られることを示す。
次に、有界な CMI は様々な種類の一般化を意味することを示す。
論文 参考訳(メタデータ) (2020-01-24T18:13:04Z)
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。