論文の概要: Combining AI/ML and PHY Layer Rule Based Inference -- Some First Results
- arxiv url: http://arxiv.org/abs/2203.08074v1
- Date: Mon, 14 Mar 2022 08:50:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-16 16:15:29.371202
- Title: Combining AI/ML and PHY Layer Rule Based Inference -- Some First Results
- Title（参考訳）: AI/MLとPHY層ルールに基づく推論を組み合わせる -- 最初の結果
- Authors: Brenda Vilas Boas, Wolfgang Zirwas, Martin Haardt
- Abstract要約: 我々はPHY層参照のためのマルチパス成分パラメータの正確な推定にプロファイリング法を用いる。
本稿では、AI/ML推論により、このルールに基づくPHY層法の一部を部分的にあるいは完全に置き換えるオプションについて検討する。
ノイズ低減のための最初の結果を提供し、次にモデル順序選択のための組み合わせスキームを提供し、マルチパスコンポーネント開始パラメータを推定するための選択肢を比較し、チャネル予測フレームワークの展望を提供する。
- 参考スコア（独自算出の注目度）: 14.85926834924458
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In 3GPP New Radio (NR) Release 18 we see the first study item starting in May
2022, which will evaluate the potential of AI/ML methods for Radio Access
Network (RAN) 1, i.e., for mobile radio PHY and MAC layer applications. We use
the profiling method for accurate iterative estimation of multipath component
parameters for PHY layer reference, as it promises a large channel prediction
horizon. We investigate options to partly or fully replace some functionalities
of this rule based PHY layer method by AI/ML inferences, with the goal to
achieve either a higher performance, lower latency, or, reduced processing
complexity. We provide first results for noise reduction, then a combined
scheme for model order selection, compare options to infer multipath component
start parameters, and, provide an outlook on a possible channel prediction
framework.
- Abstract（参考訳）: 3GPPニューラジオ(NR)リリース18では、2022年5月からの最初の研究項目が紹介され、無線アクセスネットワーク(RAN)1、すなわちモバイル無線PHYおよびMAC層アプリケーションにおけるAI/MLメソッドの可能性を評価する。
本研究では,提案手法を用いて,PHY層参照のためのマルチパス成分パラメータの正確な反復推定を行う。
我々は、ai/ml推論によって、このルールベースのphy層メソッドの機能の一部を、あるいは完全に置き換えるオプションを調査し、より高いパフォーマンス、低レイテンシ、または、処理の複雑さの低減を目標とする。
ノイズ低減のための最初の結果と、モデル順序選択のための組み合わせスキームを提供し、マルチパスコンポーネント開始パラメータを推定するための選択肢を比較し、チャネル予測フレームワークの展望を提供する。
関連論文リスト
- Rethinking Model Selection and Decoding for Keyphrase Generation with
Pre-trained Sequence-to-Sequence Models [76.52997424694767]
キーフレーズ生成(英: Keyphrase Generation, KPG)は、NLPにおける長年の課題である。
Seq2seq 事前訓練言語モデル (PLM) は KPG に転換期を迎え、有望な性能改善をもたらした。
本稿では, PLM に基づく KPG におけるモデル選択と復号化戦略の影響について, 系統解析を行った。
論文 参考訳（メタデータ） (2023-10-10T07:34:45Z) - Improving Pixel-based MIM by Reducing Wasted Modeling Capability [77.99468514275185]
浅い層から低レベルの特徴を明示的に利用して画素再構成を支援する手法を提案する。
私たちの知る限りでは、等方的アーキテクチャのためのマルチレベル特徴融合を体系的に研究するのは、私たちは初めてです。
提案手法は, 微調整では1.2%, 線形探索では2.8%, セマンティックセグメンテーションでは2.6%など, 大幅な性能向上をもたらす。
論文 参考訳（メタデータ） (2023-08-01T03:44:56Z) - Score-based Source Separation with Applications to Digital Communication
Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。
高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。
提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文 参考訳（メタデータ） (2023-06-26T04:12:40Z) - PALBERT: Teaching ALBERT to Ponder [0.2538209532048867]
本稿では,新しい決定論的Q-exit基準と再検討されたモデルアーキテクチャを用いて,PenderNetの改良を提案する。
提案した変更は,オリジナルのPenderNetアーキテクチャの大幅な改善とみなすことができる。
論文 参考訳（メタデータ） (2022-04-07T08:01:13Z) - Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。
周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。
逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
論文 参考訳（メタデータ） (2022-02-28T05:49:35Z) - An application of the splitting-up method for the computation of a
neural network representation for the solution for the filtering equations [68.8204255655161]
フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。
フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。
我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
論文 参考訳（メタデータ） (2022-01-10T11:01:36Z) - Predicting Flat-Fading Channels via Meta-Learned Closed-Form Linear
Filters and Equilibrium Propagation [38.42468500092177]
フェーディングチャネルの予測は、様々なアプリケーションにおいて古典的な問題である。
実際、ドップラースペクトルは未知であり、予測器は推定チャネルの限られた時系列にしかアクセスできない。
本稿では,チャネルフェード予測のためのトレーニングデータの観点から,メタラーニングを活用して要件を緩和することを提案する。
論文 参考訳（メタデータ） (2021-10-01T14:00:23Z) - Evolutionary Ensemble Learning for Multivariate Time Series Prediction [6.736731623634526]
MTS予測モデル(PM)を構築する典型的なパイプラインは、利用可能なすべてのチャネルのサブセットを選択することである。
本稿では,パイプライン全体を総合的に最適化する新たな進化的アンサンブル学習フレームワークを提案する。
提案手法を実装し,実世界の2つの応用,すなわち電力消費予測と大気質予測について検討した。
論文 参考訳（メタデータ） (2021-08-22T07:36:25Z) - Novel Adaptive Binary Search Strategy-First Hybrid Pyramid- and
Clustering-Based CNN Filter Pruning Method without Parameters Setting [3.7468898363447654]
CNNモデルにおける冗長フィルタの実行は注目されている。
本稿では,フィルタの自動刈取のための適応二分探索ファーストハイブリッドピラミッドとクラスタリングベース (ABS HPC) 手法を提案する。
実際のデータセットとCNNモデルに基づいて、より高精度な実験結果により、提案手法の有意なパラメータと浮動小数点演算の低減効果が示された。
論文 参考訳（メタデータ） (2020-06-08T10:09:43Z) - Dependency Aware Filter Pruning [74.69495455411987]
重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。
以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。
所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
論文 参考訳（メタデータ） (2020-05-06T07:41:22Z)
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。