Fugu-MT 論文翻訳(概要): Efficient Training of Volterra Series-Based Pre-distortion Filter Using Neural Networks

論文の概要: Efficient Training of Volterra Series-Based Pre-distortion Filter Using Neural Networks

arxiv url: http://arxiv.org/abs/2112.06637v1
Date: Mon, 13 Dec 2021 13:23:20 GMT
ステータス: 処理完了
システム内更新日: 2021-12-14 22:08:51.797262
Title: Efficient Training of Volterra Series-Based Pre-distortion Filter Using Neural Networks
Title（参考訳）: ニューラルネットワークを用いたボルテラ直列前歪みフィルタの効率的な学習
Authors: Vinod Bajaj, Mathieu Chagnon, Sander Wahls and Vahid Aref
Abstract要約: 本稿では,Volterraシリーズをベースとしたディジタル事前歪みフィルタをニューラルネットワークを用いてトレーニングするための,シンプルで効率的な"ダイレクトラーニング"手法を提案する。我々は,64-QAM64-GBaudシミュレート・トランスミッタを用いた従来の訓練法に比べて,非線形性や雑音条件の異なる訓練法よりも優れた性能を示す。
参考スコア（独自算出の注目度）: 4.150846286623716
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a simple, efficient "direct learning" approach to train Volterra series-based digital pre-distortion filters using neural networks. We show its superior performance over conventional training methods using a 64-QAM 64-GBaud simulated transmitter with varying transmitter nonlinearity and noisy conditions.
Abstract（参考訳）: 本稿では,ニューラルネットワークを用いたvolterraシリーズを用いたディジタルプリディストリビューションフィルタの訓練を行うための,簡便で効率的な「直接学習」手法を提案する。 64-qam 64-gbaudシミュレートトランスミッタを用いた従来のトレーニング手法よりも優れた性能を示す。

関連論文リスト

Representation Alignment for Generation: Training Diffusion Transformers Is Easier Than You Think [72.48325960659822]
生成のための大規模拡散モデルの訓練における主要なボトルネックは、これらの表現を効果的に学習することにある。本稿では,RePresentation Alignment (REPA) と呼ばれる単純な正規化を導入し,ノイズの多い入力隠れ状態の投影を,外部の事前学習された視覚エンコーダから得られるクリーンな画像表現と整合させる手法を提案する。我々の単純な戦略は、一般的な拡散やDiTsやSiTsといったフローベースのトランスフォーマーに適用した場合、トレーニング効率と生成品質の両方に大きな改善をもたらす。
論文参考訳（メタデータ） (2024-10-09T14:34:53Z)
Learning Differentiable Particle Filter on the Fly [18.466658684464598]
微分可能な粒子フィルタは、シーケンシャルベイズ推論技術の新たなクラスである。本稿では,データ到着時にモデルパラメータを更新できるように,微分可能な粒子フィルタのためのオンライン学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-10T17:54:40Z)
Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文参考訳（メタデータ） (2023-03-24T11:12:37Z)
Simple initialization and parametrization of sinusoidal networks via their kernel bandwidth [92.25666446274188]
従来の活性化機能を持つネットワークの代替として、活性化を伴う正弦波ニューラルネットワークが提案されている。まず,このような正弦波ニューラルネットワークの簡易版を提案する。次に、ニューラルタンジェントカーネルの観点からこれらのネットワークの挙動を分析し、そのカーネルが調整可能な帯域幅を持つ低域フィルタを近似することを実証する。
論文参考訳（メタデータ） (2022-11-26T07:41:48Z)
Radar Image Reconstruction from Raw ADC Data using Parametric Variational Autoencoder with Domain Adaptation [0.0]
本研究では,パラメータ制約付き変分オートエンコーダを提案し,レンジ角画像上でクラスタ化および局所化されたターゲット検出を生成する。実際のレーダデータを用いて可能なすべてのシナリオにおいて,提案するニューラルネットワークをトレーニングする問題を回避すべく,ドメイン適応戦略を提案する。
論文参考訳（メタデータ） (2022-05-30T16:17:36Z)
Trainable Wavelet Neural Network for Non-Stationary Signals [0.0]
本研究は,非定常信号に適合するフィルタバンクを学習するためのウェーブレットニューラルネットワークを導入し,デジタル信号処理の解釈性と性能を向上させる。このネットワークは、複雑なモレットウェーブレットのパラメータ化関数である畳み込みがニューラルネットワークの第1層としてウェーブレット変換を使用する。
論文参考訳（メタデータ） (2022-05-06T16:41:27Z)
Domain Adaptation: the Key Enabler of Neural Network Equalizers in Coherent Optical Systems [1.4549914190846531]
本稿では,実伝送におけるニューラルネットワークに基づく等化器の校正のための領域適応とランダム化手法を提案する。このアプローチでは、トレーニングプロセスの最大99%が削減される。
論文参考訳（メタデータ） (2022-02-25T13:46:33Z)
Functional Regularization for Reinforcement Learning via Learned Fourier Features [98.90474131452588]
本稿では、入力を学習されたフーリエベースに埋め込むことにより、深層強化学習のための簡単なアーキテクチャを提案する。その結果、状態ベースと画像ベースの両方のRLのサンプル効率が向上することがわかった。
論文参考訳（メタデータ） (2021-12-06T18:59:52Z)
Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-08-02T07:50:50Z)
Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
論文参考訳（メタデータ） (2020-06-04T08:59:17Z)
Volterra Neural Networks (VNNs) [24.12314339259243]
本稿では,畳み込みニューラルネットワークの複雑性を低減するために,Volterraフィルタにインスパイアされたネットワークアーキテクチャを提案する。本稿では,Volterra Neural Network(VNN)の並列実装とその性能について述べる。提案手法は,動作認識のためのUCF-101およびHMDB-51データセットを用いて評価し,CNN手法よりも優れていた。
論文参考訳（メタデータ） (2019-10-21T19:22:38Z)

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。