Fugu-MT 論文翻訳(概要): Data-Driven Upper Bounds on Channel Capacity

論文の概要: Data-Driven Upper Bounds on Channel Capacity

arxiv url: http://arxiv.org/abs/2205.06471v1
Date: Fri, 13 May 2022 06:59:31 GMT
ステータス: 処理完了
システム内更新日: 2022-05-16 14:38:33.866803
Title: Data-Driven Upper Bounds on Channel Capacity
Title（参考訳）: チャネル容量に基づくデータ駆動上界
Authors: Christian H\"ager, Erik Agrell
Abstract要約: 我々は、未知のアルファベット出力を持つメモリレスチャネルのキャパシティ上の上限を推定する問題を考える。入力分布の最小化をチャネル出力の参照分布に置き換えた双対表現を利用する新しいアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 4.974890682815778
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider the problem of estimating an upper bound on the capacity of a memoryless channel with unknown channel law and continuous output alphabet. A novel data-driven algorithm is proposed that exploits the dual representation of capacity where the maximization over the input distribution is replaced with a minimization over a reference distribution on the channel output. To efficiently compute the required divergence maximization between the conditional channel and the reference distribution, we use a modified mutual information neural estimator that takes the channel input as an additional parameter. We evaluate our approach on different memoryless channels and show that the estimated upper bounds closely converge either to the channel capacity or to best-known lower bounds.
Abstract（参考訳）: 我々は、未知のチャネル法則と連続出力アルファベットを用いて、メモリレスチャネルの容量の上限を推定する問題を考察する。入力分布上の最大化をチャネル出力上の参照分布上の最小化に置き換えるキャパシティの二重表現を利用する新しいデータ駆動アルゴリズムを提案する。条件付きチャネルと基準分布の間の所要のばらつきの最大化を効率的に計算するために、チャネル入力を付加パラメータとして取り込む改良された相互情報ニューラル推定器を用いる。我々は,異なるメモリレスチャネルに対するアプローチを評価し,推定上界がチャネル容量あるいはよく知られた下界に密接に収束していることを示す。

関連論文リスト

Resolvability of classical-quantum channels [54.825573549226924]
2つの設定で古典量子チャネルの可解性について検討し、最悪の入力から生成されたチャネル出力について検討し、固定独立かつ同一に分散された(d.d.)入力を形成する。固定入出力設定では、既知の量子ソフト被覆結果から直部が従うが、最近の代替量子サノフ定理を利用して強い逆を解く。
論文参考訳（メタデータ） (2024-10-22T05:18:43Z)
Maximal-Capacity Discrete Memoryless Channel Identification [37.598696937684245]
複数のメモリレスチャネル(DMC)の中で、最も高いキャパシティを持つチャネルを特定することの問題点を考察する。キャパシティ推定器を提案し、推定器誤差の厳密な信頼境界を導出する。 BestChanIDと呼ばれるギャップ除去アルゴリズムを提案する。 NaiveChanSel と MedianChanEl の2つのアルゴリズムが導入された。
論文参考訳（メタデータ） (2024-01-18T18:44:10Z)
Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文参考訳（メタデータ） (2023-06-08T06:15:17Z)
Channel Simulation: Finite Blocklengths and Broadcast Channels [13.561997774592667]
有限ブロック長系における共通ランダム性支援下でのチャネルシミュレーションについて検討する。固定誤差耐性の最小シミュレーションコストについて,スムーズなチャネル最大値情報を線形プログラムのワンショット・コンバースとして同定する。
論文参考訳（メタデータ） (2022-12-22T13:08:55Z)
Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。本稿では2つの新しい推定法を提案する。
論文参考訳（メタデータ） (2021-09-06T13:42:32Z)
Discriminative Mutual Information Estimators for Channel Capacity Learning [1.8275108630751837]
本稿では,任意の種類のメモリレスチャネルに対して,チャネル容量を自動的に学習する新しいフレームワークを提案する。我々は、CORTICALと呼ばれる協調チャネルキャパシティ学習フレームワークに識別器を含める。協調値関数の特定の選択がチャネルキャパシティ推定問題を解くことを証明した。
論文参考訳（メタデータ） (2021-07-07T09:03:40Z)
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-22T13:34:53Z)
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文参考訳（メタデータ） (2020-09-03T13:38:52Z)
Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
論文参考訳（メタデータ） (2020-07-08T07:44:00Z)
Capacity of Continuous Channels with Memory via Directed Information Neural Estimator [15.372626012233736]
本研究では,チャネルをブラックボックスとして扱う新しいキャパシティ推定アルゴリズムを提案する。このアルゴリズムは、(i)雑音変数をチャネル入力分布に形作るニューラル分布変換器(NDT)モデルと、(ii)現在のNDTモデルの通信速度を推定するニューラルDI推定器(DINE)の2つの主成分を有する。
論文参考訳（メタデータ） (2020-03-09T14:53:56Z)

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。