論文の概要: Domain Adaptation: the Key Enabler of Neural Network Equalizers in
Coherent Optical Systems
- arxiv url: http://arxiv.org/abs/2202.12689v1
- Date: Fri, 25 Feb 2022 13:46:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-28 16:09:00.411170
- Title: Domain Adaptation: the Key Enabler of Neural Network Equalizers in
Coherent Optical Systems
- Title(参考訳): ドメイン適応:コヒーレント光学系におけるニューラルネットワーク等化器のキーエンバーサ
- Authors: Pedro J. Freire, Bernhard Spinnler, Daniel Abode, Jaroslaw E.
Prilepsky, Abdallah A. I. Ali, Nelson Costa, Wolfgang Schairer, Antonio
Napoli, Andrew D. Ellis, Sergei K. Turitsyn
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.4549914190846531
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce the domain adaptation and randomization approach for calibrating
neural network-based equalizers for real transmissions, using synthetic data.
The approach renders up to 99\% training process reduction, which we
demonstrate in three experimental setups.
- Abstract(参考訳): 合成データを用いて,実伝送用ニューラルネットワークベースの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。
このアプローチは最大99\%のトレーニングプロセス削減を実現し、3つの実験的なセットアップで実証した。
関連論文リスト
- Reparameterization through Spatial Gradient Scaling [69.27487006953852]
リパラメータ化は、学習中に畳み込み層を等価なマルチブランチ構造に変換することによって、ディープニューラルネットワークの一般化を改善することを目的としている。
本稿では,畳み込みネットワークにおける重み間の学習焦点を再分配する空間勾配スケーリング手法を提案する。
論文 参考訳(メタデータ) (2023-03-05T17:57:33Z) - Transfer Learning Enhanced Full Waveform Inversion [2.3020018305241337]
フルウェーブフォーム・インバージョン(FWI)を用いた非破壊検査の分野でニューラルネットワークを好適に活用する方法を提案する。
提案手法は、隣接最適化内でニューラルネットワークを用いて、ドメイン内の未知の物質分布を識別する。
論文 参考訳(メタデータ) (2023-02-22T10:12:07Z) - 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) - Binaural Rendering of Ambisonic Signals by Neural Networks [28.056334728309423]
実験の結果、ニューラルネットワークは従来の客観的指標よりも優れており、同等の主観的指標が得られることがわかった。
提案システムは,3.83,3.58,3.87,3.58の品質,音色,局在,浸漬寸法の7.32とMOSのSDRを実現する。
論文 参考訳(メタデータ) (2022-11-04T07:57:37Z) - Neural Clamping: Joint Input Perturbation and Temperature Scaling for
Neural Network Calibration [74.43215520371506]
我々はニューラルクランプ法と呼ばれる新しい後処理キャリブレーション法を提案する。
実験の結果,Neural Clampingは最先端の処理後のキャリブレーション法よりも優れていた。
論文 参考訳(メタデータ) (2022-09-23T14:18:39Z) - Neural networks for on-the-fly single-shot state classification [0.0]
単発量子計測における状態分類へのニューラルネットワークの適用について検討する。
本手法は,ハードドライブへの大規模なデータ転送を必要とせず,オーバヘッドなしでオンザフライデータ処理が可能となる。
論文 参考訳(メタデータ) (2021-07-13T05:29:59Z) - Feature Alignment for Approximated Reversibility in Neural Networks [0.0]
本稿では,ニューラルネットワークにおける近似可逆性を得る手法である特徴アライメントを導入する。
ニューラルネットワークをローカルにトレーニングし、計算メモリリソースを節約するために、このテクニックを修正できることが示される。
論文 参考訳(メタデータ) (2021-06-23T17:42:47Z) - PILOT: Introducing Transformers for Probabilistic Sound Event
Localization [107.78964411642401]
本稿では,受信したマルチチャンネル音声信号の時間的依存性を自己アテンション機構によってキャプチャする,トランスフォーマーに基づく新しい音声イベント定位フレームワークを提案する。
このフレームワークは, 公開されている3つの音声イベントローカライズデータセットを用いて評価し, 局所化誤差と事象検出精度の点で最先端の手法と比較した。
論文 参考訳(メタデータ) (2021-06-07T18:29:19Z) - Sampling-free Variational Inference for Neural Networks with
Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。
提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文 参考訳(メタデータ) (2021-03-15T16:16:18Z) - LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。
フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
論文 参考訳(メタデータ) (2021-03-01T03:10:11Z) - Regularizing Recurrent Neural Networks via Sequence Mixup [7.036759195546171]
我々は、元々フィードフォワードニューラルネットワークのために提案された一連の有望な正規化手法を拡張した。
提案手法は,単純なニューラルネットワークアーキテクチャの性能を生かしながら,複雑性の実装が容易である。
論文 参考訳(メタデータ) (2020-11-27T05:43:40Z)
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。