論文の概要: Knowledge Graph Based Waveform Recommendation: A New Communication
Waveform Design Paradigm
- arxiv url: http://arxiv.org/abs/2202.01926v1
- Date: Mon, 24 Jan 2022 08:39:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-13 14:53:58.729613
- Title: Knowledge Graph Based Waveform Recommendation: A New Communication
Waveform Design Paradigm
- Title（参考訳）: 知識グラフに基づく波形推薦:新しい通信波形設計パラダイム
- Authors: Wei Huang, Tianfu Qi, Yundi Guan, Qihang Peng, Jun Wang
- Abstract要約: 本稿では,知識グラフに基づくインテリジェントレコメンデーションシステムを用いた新しい波形設計パラダイムを提案する。
提案手法は,既存の波形の構造的特徴と表現による設計効率の向上を目的としている。
提案したCWKGベースのCWRSは,信頼性の高い波形候補を自動的に推薦できることを示す。
- 参考スコア（独自算出の注目度）: 10.223169932738042
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditionally, a communication waveform is designed by experts based on
communication theory and their experiences on a case-by-case basis, which is
usually laborious and time-consuming. In this paper, we investigate the
waveform design from a novel perspective and propose a new waveform design
paradigm with the knowledge graph (KG)-based intelligent recommendation system.
The proposed paradigm aims to improve the design efficiency by structural
characterization and representations of existing waveforms and intelligently
utilizing the knowledge learned from them. To achieve this goal, we first build
a communication waveform knowledge graph (CWKG) with a first-order neighbor
node, for which both structured semantic knowledge and numerical parameters of
a waveform are integrated by representation learning. Based on the developed
CWKG, we further propose an intelligent communication waveform recommendation
system (CWRS) to generate waveform candidates. In the CWRS, an improved
involution1D operator, which is channel-agnostic and space-specific, is
introduced according to the characteristics of KG-based waveform representation
for feature extraction, and the multi-head self-attention is adopted to weigh
the influence of various components for feature fusion. Meanwhile, multilayer
perceptron-based collaborative filtering is used to evaluate the matching
degree between the requirement and the waveform candidate. Simulation results
show that the proposed CWKG-based CWRS can automatically recommend waveform
candidates with high reliability.
- Abstract（参考訳）: 伝統的に、コミュニケーション波形は、コミュニケーション理論とその経験に基づく専門家によって、ケースバイケースベースで設計される。
本稿では,新しい視点から波形設計を考察し,知識グラフ(kg)に基づく知的レコメンデーションシステムを用いた新しい波形設計パラダイムを提案する。
提案手法は,既存の波形の構造的特徴と表現により設計効率を向上し,そこから学んだ知識をインテリジェントに活用することを目的としている。
この目的を達成するために,まず,構造的意味知識と波形の数値パラメータの両方を表現学習により統合した一階隣接ノードを用いた通信波形知識グラフ(cwkg)を構築する。
開発したCWKGに基づいて、波形候補を生成するインテリジェント通信波形推薦システム(CWRS)を提案する。
CWRSでは、特徴抽出のためのKGベースの波形表現の特徴に基づき、チャネル非依存かつ空間固有な改良された畳み込み1D演算子を導入し、特徴融合のための様々な成分の影響を評価するためにマルチヘッド自己注意法を採用した。
一方,多層パーセプトロンを用いた協調フィルタを用いて,必要条件と波形候補との整合度を評価する。
シミュレーションの結果,提案したCWKGベースのCWRSは,信頼性の高い波形候補を自動的に推薦できることがわかった。
関連論文リスト
- Adaptive LPD Radar Waveform Design with Generative Deep Learning [6.21540494241516]
本稿では,検出レーダ波形の低確率を適応的に生成する新しい学習手法を提案する。
提案手法では,検出可能性の最大90%を低減できるLPD波形を生成できると同時に,アンビグニティ関数(センシング)特性も向上する。
論文 参考訳（メタデータ） (2024-03-18T21:07:57Z) - Compact Binary Systems Waveform Generation with Generative Pre-trained
Transformer [9.4516663566774]
宇宙ベースの重力波(GW)検出は、今後10年で最も期待されているGW検出プロジェクトの一つである。
深層学習法はGW波形の生成と外挿のために広く研究されていない。
我々の研究は、GW領域における大規模モデルの可能性を示し、今後の研究の新たな機会とガイダンスを開放する。
論文 参考訳（メタデータ） (2023-10-31T04:40:20Z) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-29T00:39:50Z) - Synthetic Wave-Geometric Impulse Responses for Improved Speech
Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。
本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文 参考訳（メタデータ） (2022-12-10T20:15:23Z) - Hierarchical Spherical CNNs with Lifting-based Adaptive Wavelets for
Pooling and Unpooling [101.72318949104627]
本稿では, 階層型畳み込みニューラルネットワーク(HS-CNN)の新たな枠組みを提案し, プールやアンプールのための適応球面ウェーブレットを学習する。
LiftHS-CNNは、画像レベルのタスクとピクセルレベルのタスクの両方において、より効率的な階層的特徴学習を実現する。
論文 参考訳（メタデータ） (2022-05-31T07:23:42Z) - Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。
エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
論文 参考訳（メタデータ） (2021-10-21T08:58:59Z) - Autoencoder-driven Spiral Representation Learning for Gravitational Wave
Surrogate Modelling [47.081318079190595]
オートエンコーダを用いた経験的係数における基礎構造の存在について検討する。
ニューラルネットワークの第一層として使用される学習可能なパラメータを持つスパイラルモジュールを設計し,入力空間を係数にマッピングする方法を学習する。
スパイラルモジュールは複数のニューラルネットワークアーキテクチャ上で評価され、ベースラインモデルよりも一貫して速度-精度のトレードオフを実現している。
論文 参考訳（メタデータ） (2021-07-09T09:03:08Z) - End-to-end Waveform Learning Through Joint Optimization of Pulse and
Constellation Shaping [16.26230847183709]
通信システムは、共同通信やセンシングといった新しいサービスを実現するためのものだ。
本研究では、パルス整形と星座幾何学の連成学習を通して波形を設計するためのエンドツーエンドの学習手法を提案する。
論文 参考訳（メタデータ） (2021-06-29T08:22:05Z) - Data-Driven Learning of Geometric Scattering Networks [74.3283600072357]
最近提案された幾何散乱変換の緩和に基づく新しいグラフニューラルネットワーク(GNN)モジュールを提案する。
我々の学習可能な幾何散乱(LEGS)モジュールは、ウェーブレットの適応的なチューニングを可能にし、学習された表現に帯域通過の特徴が現れるように促す。
論文 参考訳（メタデータ） (2020-10-06T01:20:27Z) - Any-to-Many Voice Conversion with Location-Relative Sequence-to-Sequence
Modeling [61.351967629600594]
本稿では,非並列音声変換手法である非並列音声変換法(seq2seq)を提案する。
本手法では,ボトルネック特徴抽出器(BNE)とセック2セック合成モジュールを組み合わせる。
主観的および主観的評価は,提案手法が自然性と話者類似性の両方において優れた音声変換性能を有することを示す。
論文 参考訳（メタデータ） (2020-09-06T13:01:06Z) - On Deep Learning Solutions for Joint Transmitter and Noncoherent
Receiver Design in MU-MIMO Systems [27.204307615068544]
本稿では,Multiuser Multi-Input Multi-MIMO(MU-MIMO)システムにおける共同送信機と非コヒーレント受信機の設計をディープラーニングにより処理することを目的とする。
ディープニューラルネットワーク(DNN)ベースの非コヒーレント受信機を考えると、この研究の新規性は主に送信側におけるマルチユーザ波形設計にある。
論文 参考訳（メタデータ） (2020-04-14T15:27:15Z)
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。