Fugu-MT 論文翻訳(概要): Spiking Neural Network Equalization for IM/DD Optical Communication

論文の概要: Spiking Neural Network Equalization for IM/DD Optical Communication

arxiv url: http://arxiv.org/abs/2205.04263v2
Date: Wed, 1 Jun 2022 13:29:46 GMT
ステータス: 処理完了
システム内更新日: 2023-02-13 20:28:21.211168
Title: Spiking Neural Network Equalization for IM/DD Optical Communication
Title（参考訳）: IM/DD光通信のためのスパイキングニューラルネットワーク等化
Authors: Elias Arnold, Georg B\"ocherer, Eric M\"uller, Philipp Spilger, Johannes Schemmel, Stefano Calabr\`o, Maxim Kuschnerov
Abstract要約: スパイキングニューラルネットワーク(SNN)等化器は、IM/DDリンク用に設計されている。 SNNは、人工知能ニューラルネットワークと同じビットエラーレートを達成し、線形等化よりも優れる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A spiking neural network (SNN) equalizer model suitable for electronic neuromorphic hardware is designed for an IM/DD link. The SNN achieves the same bit-error-rate as an artificial neural network, outperforming linear equalization.
Abstract（参考訳）: IM/DDリンクのために、電子ニューロモルフィックハードウェアに適したスパイキングニューラルネットワーク(SNN)等化器モデルを設計する。 SNNは、人工知能ニューラルネットワークと同じビットエラーレートを達成し、線形等化よりも優れる。

関連論文リスト

Scalable Mechanistic Neural Networks [52.28945097811129]
長い時間的シーケンスを含む科学機械学習応用のための拡張ニューラルネットワークフレームワークを提案する。元のメカニスティックニューラルネットワーク (MNN) を再構成することにより、計算時間と空間の複雑さを、それぞれ、列長に関して立方体と二次体から線形へと減少させる。大規模な実験により、S-MNNは元のMNNと精度で一致し、計算資源を大幅に削減した。
論文参考訳（メタデータ） (2024-10-08T14:27:28Z)
A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文参考訳（メタデータ） (2023-05-26T02:52:12Z)
Spiking Neural Network Decision Feedback Equalization for IM/DD Systems [70.3497683558609]
様々なパラメータを持つIM/DDリンクに、決定フィードバック構造を有するスパイキングニューラルネットワーク(SNN)等化器を適用する。 SNNは、線形および人工ニューラルネットワーク(ANN)ベースの等化器よりも優れている。
論文参考訳（メタデータ） (2023-04-27T12:49:31Z)
Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
論文参考訳（メタデータ） (2022-11-09T09:19:15Z)
Linear Leaky-Integrate-and-Fire Neuron Model Based Spiking Neural Networks and Its Mapping Relationship to Deep Neural Networks [7.840247953745616]
スパイキングニューラルネットワーク(SNN)は、生物学的可視性や教師なし学習能力など、脳にインスパイアされた機械学習アルゴリズムである。本稿では,リニアリーキー・インテグレート・アンド・ファイア・モデル(LIF/SNN)の生物学的パラメータとReLU-AN/Deep Neural Networks(DNN)のパラメータとの正確な数学的マッピングを確立する。
論文参考訳（メタデータ） (2022-05-31T17:02:26Z)
Training High-Performance Low-Latency Spiking Neural Networks by Differentiation on Spike Representation [70.75043144299168]
スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェア上に実装された場合、有望なエネルギー効率のAIモデルである。非分化性のため、SNNを効率的に訓練することは困難である。本稿では,ハイパフォーマンスを実現するスパイク表現法(DSR)の差分法を提案する。
論文参考訳（メタデータ） (2022-05-01T12:44:49Z)
BackEISNN: A Deep Spiking Neural Network with Adaptive Self-Feedback and Balanced Excitatory-Inhibitory Neurons [8.956708722109415]
スパイクニューラルネットワーク(SNN)は離散スパイクを通して情報を伝達し、空間時間情報を処理するのによく機能する。適応型自己フィードバックと平衡興奮性および抑制性ニューロン(BackEISNN)を用いた深部スパイクニューラルネットワークを提案する。 MNIST、FashionMNIST、N-MNISTのデータセットに対して、我々のモデルは最先端の性能を達成した。
論文参考訳（メタデータ） (2021-05-27T08:38:31Z)
Combining Spiking Neural Network and Artificial Neural Network for Enhanced Image Classification [1.8411688477000185]
生物学的脳シナプスによく似たSNN(spiking neural Network)は、低消費電力のために注目を集めている。我々は、関係する性能を改善する汎用ハイブリッドニューラルネットワーク(hnn)を構築した。
論文参考訳（メタデータ） (2021-02-21T12:03:16Z)
Progressive Tandem Learning for Pattern Recognition with Deep Spiking Neural Networks [80.15411508088522]
スパイキングニューラルネットワーク(SNN)は、低レイテンシと高い計算効率のために、従来の人工知能ニューラルネットワーク(ANN)よりも優位性を示している。高速かつ効率的なパターン認識のための新しいANN-to-SNN変換およびレイヤワイズ学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-07-02T15:38:44Z)

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。