論文の概要: Channel model for end-to-end learning of communications systems: A
survey
- arxiv url: http://arxiv.org/abs/2204.03944v1
- Date: Fri, 8 Apr 2022 09:07:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-11 17:09:24.080351
- Title: Channel model for end-to-end learning of communications systems: A
survey
- Title(参考訳): 通信システムのエンドツーエンド学習のためのチャネルモデル:調査
- Authors: Ijaz Ahmad and Seokjoo Shin
- Abstract要約: 我々はこの問題を緩和する既存のアプローチを要約した。
本研究は,この話題のより深い理解と今後の研究への洞察をもたらすものと信じている。
- 参考スコア(独自算出の注目度): 5.749044590090683
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The traditional communication model based on chain of multiple independent
processing blocks is constraint to efficiency and introduces artificial
barriers. Thus, each individually optimized block does not guarantee end-to-end
performance of the system. Recently, end-to-end learning of communications
systems through machine learning (ML) have been proposed to optimize the system
metrics jointly over all components. These methods show performance
improvements but has a limitation that it requires a differentiable channel
model. In this study, we have summarized the existing approaches that
alleviates this problem. We believe that this study will provide better
understanding of the topic and an insight into future research in this field.
- Abstract(参考訳): 複数の独立した処理ブロックの連鎖に基づく従来の通信モデルは、効率に対する制約であり、人工的障壁を導入する。
したがって、個別に最適化されたブロックはシステムのエンドツーエンドのパフォーマンスを保証しない。
近年,機械学習(ML)による通信システムのエンドツーエンド学習が提案されている。
これらの手法は性能改善を示すが、異なるチャネルモデルを必要とするという制限がある。
本研究では,この問題を緩和する既存のアプローチを要約した。
本研究は,この話題のより深い理解と今後の研究への洞察をもたらすものと信じている。
関連論文リスト
- Interactive Continual Learning: Fast and Slow Thinking [18.363276470822427]
本稿では,対話型連続学習(Interactive Continual Learning, ICL)フレームワークを提案する。
System1におけるメモリ検索を改善するために,von Mises-Fisher(vMF)分布に基づくCL-vMF機構を導入する。
また、ハードサンプルを特定するために、von Mises-Fisher Outlier Detection and Interaction (vMF-ODI)戦略を導入する。
論文 参考訳(メタデータ) (2024-03-05T03:37:28Z) - Modular Deep Learning [120.36599591042908]
トランスファーラーニングは近年、機械学習の主要なパラダイムとなっている。
負の干渉を伴わずに複数のタスクを専門とするモデルを開発する方法はまだ不明である。
これらの課題に対する有望な解決策として、モジュール型ディープラーニングが登場した。
論文 参考訳(メタデータ) (2023-02-22T18:11:25Z) - Is a Modular Architecture Enough? [80.32451720642209]
我々は、シンプルで既知のモジュラーデータ分散のレンズを通して、共通のモジュラーアーキテクチャを徹底的に評価する。
モジュール化と疎結合のメリットを強調し、モジュール化システムの最適化において直面する課題に関する洞察を明らかにします。
論文 参考訳(メタデータ) (2022-06-06T16:12:06Z) - Applications of Deep Learning to the Design of Enhanced Wireless
Communication Systems [0.0]
ディープラーニング(DL)ベースのシステムは、抽出可能なモデルが存在しないような、ますます複雑なタスクを処理できる。
この論文は、物理層におけるDLの潜在能力を解き放つための様々なアプローチを比較することを目的としている。
論文 参考訳(メタデータ) (2022-05-02T21:02:14Z) - Blockwise Sequential Model Learning for Partially Observable
Reinforcement Learning [14.642266310020505]
本稿では、部分的に観測可能なマルコフ決定問題を解くために、新しい逐次モデル学習アーキテクチャを提案する。
提案アーキテクチャは,各データブロックに複数のタイムステップを持つ潜時変数を生成し,最も関連性の高い情報を次のブロックに渡してポリシー最適化を行う。
数値計算の結果,提案手法は様々な部分観測可能な環境において,従来の手法よりも有意に優れていた。
論文 参考訳(メタデータ) (2021-12-10T05:38:24Z) - Communication-Efficient Hierarchical Federated Learning for IoT
Heterogeneous Systems with Imbalanced Data [42.26599494940002]
フェデレートラーニング(Federated Learning, FL)は、複数のノードが協調してディープラーニングモデルをトレーニングできる分散ラーニング方法論である。
本稿では,IoTヘテロジニアスシステムにおける階層FLの可能性について検討する。
複数のエッジノード上でのユーザ割り当てとリソース割り当てに最適化されたソリューションを提案する。
論文 参考訳(メタデータ) (2021-07-14T08:32:39Z) - Model-Based Machine Learning for Communications [110.47840878388453]
モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。
通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
論文 参考訳(メタデータ) (2021-01-12T19:55:34Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳(メタデータ) (2020-12-01T11:46:03Z) - System Identification via Meta-Learning in Linear Time-Varying
Environments [31.115084475673793]
システム同定は、強化学習、制御理論、信号処理における基本的な問題である。
我々は,各ブロック内でモデルパラメータが一定でありながらブロックからブロックへ変化するLTVシステムのためのエピソードブロックモデルを開発する。
メタラーニングに基づくシステム識別の性能の包括的非漸近解析を行う。
論文 参考訳(メタデータ) (2020-10-27T23:02:35Z) - Deep Unfolding Network for Image Super-Resolution [159.50726840791697]
本稿では,学習に基づく手法とモデルに基づく手法の両方を活用する,エンドツーエンドのトレーニング可能なアンフォールディングネットワークを提案する。
提案するネットワークは, モデルベース手法の柔軟性を継承し, 一つのモデルを用いて, 異なるスケール要因に対する, 曖昧でノイズの多い画像の超解像化を行う。
論文 参考訳(メタデータ) (2020-03-23T17:55:42Z)
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。