論文の概要: Towards FPGA Implementation of Neural Network-Based Nonlinearity
Mitigation Equalizers in Coherent Optical Transmission Systems
- arxiv url: http://arxiv.org/abs/2206.12180v1
- Date: Fri, 24 Jun 2022 09:41:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-27 14:20:15.303503
- Title: Towards FPGA Implementation of Neural Network-Based Nonlinearity
Mitigation Equalizers in Coherent Optical Transmission Systems
- Title(参考訳): コヒーレント光伝送システムにおけるニューラルネットワークに基づく非線形性緩和器のFPGA実装に向けて
- Authors: Pedro J. Freire, Michael Anderson, Bernhard Spinnler, Thomas Bex,
Jaroslaw E. Prilepsky, Tobias A. Eriksson, Nelson Costa, Wolfgang Schairer,
Michaela Blott, Antonio Napoli, Sergei K. Turitsyn
- Abstract要約: FPGAでは、非線形性補償のためのリカレントおよびフィードフォワードニューラルネットワークベースの等化器が実装されている。
NNベースの等化器は1ステップ当たりのDBPよりも優れていることを示す。
- 参考スコア(独自算出の注目度): 3.2482344354758723
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For the first time, recurrent and feedforward neural network-based equalizers
for nonlinearity compensation are implemented in an FPGA, with a level of
complexity comparable to that of a dispersion equalizer. We demonstrate that
the NN-based equalizers can outperform a 1 step-per-span DBP.
- Abstract(参考訳): 最初に、非線形性補償のためのリカレントおよびフィードフォワードニューラルネットワークベースの等化器をFPGAに実装し、分散等化器と同等の複雑さを有する。
NNベースの等化器は1ステップ当たりのDBPよりも優れていることを示す。
関連論文リスト
- Neural Network Verification with Branch-and-Bound for General Nonlinearities [63.39918329535165]
ブランチ・アンド・バウンド(BaB)は、ニューラルネットワーク(NN)検証の最も効果的な方法の一つである。
我々は、一般的な計算グラフにおける一般的な非線形性に対してBaBを実行するための一般的なフレームワークGenBaBを開発した。
我々は、Sigmoid、Tanh、Sine、GeLUなどの活性化機能を持つネットワークを含む幅広いNNの検証におけるGenBaBの有効性を実証する。
論文 参考訳(メタデータ) (2024-05-31T17:51:07Z) - SICNN: Soft Interference Cancellation Inspired Neural Network Equalizers [1.6451639748812472]
我々はSICNNと呼ばれる新しいニューラルネットワーク(NN)ベースのアプローチを提案する。
SICNNはモデルに基づく反復型ソフト干渉キャンセル(SIC)法を深く展開して設計されている。
提案したNNベースの等化器のビット誤り率性能と最先端のモデルベースおよびNNベースのアプローチとの比較を行った。
論文 参考訳(メタデータ) (2023-08-24T06:40:54Z) - Multi-Task Learning to Enhance Generalizability of Neural Network
Equalizers in Coherent Optical Systems [4.221674903725305]
NNベースの「単一」等化器は、打ち上げ電力、シンボルレート、送信距離の変動があっても再訓練することなく、CDCと比較して最大4dBのQ因子を改善する。
論文 参考訳(メタデータ) (2023-07-04T08:56:09Z) - Hardware Realization of Nonlinear Activation Functions for NN-based
Optical Equalizers [1.6399392700705597]
活性化関数を近似したbiLSTM等化器の性能は,元のモデルに近いことを示す。
本稿では、ニューラルネットワークベースの光チャネル等化器を用いて、ニューラルネットワークベースの光チャネル等化器のハードウェア実装の複雑さを低減する。
論文 参考訳(メタデータ) (2023-05-16T14:47:55Z) - Implementing Neural Network-Based Equalizers in a Coherent Optical
Transmission System Using Field-Programmable Gate Arrays [3.1543509940301946]
我々は、コヒーレント光伝送システムにおける非線形性補償のための、リカレントおよびフィードフォワードニューラルネットワーク(NN)ベースの等化器のオフラインFPGA実現について述べる。
主な結果は、性能比較、アクティベーション関数の実装方法の分析、ハードウェアの複雑さに関するレポートの3つに分けられる。
論文 参考訳(メタデータ) (2022-12-09T07:28:45Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - Performance and Complexity Analysis of bi-directional Recurrent Neural
Network Models vs. Volterra Nonlinear Equalizers in Digital Coherent Systems [0.0]
両方向RNNモデル,すなわちbi-LSTM,bi-GRU,bi-Vanilla-RNNを評価する。
両Vanilla-RNNとVolterra非線形等化器を比較し,その性能と複雑性の両面で優位性を示す。
論文 参考訳(メタデータ) (2021-03-03T11:22:05Z) - Sampling asymmetric open quantum systems for artificial neural networks [77.34726150561087]
非対称な開系に対する高速収束時間と高いスケーラビリティを実現し,非対称性を考慮したハイブリッドサンプリング戦略を提案する。
我々は、ニューラルネットワークの普遍的適用性を強調し、ニューラルネットワークの普遍的適用性を概説する。
論文 参考訳(メタデータ) (2020-12-20T18:25:29Z) - Connecting Weighted Automata, Tensor Networks and Recurrent Neural
Networks through Spectral Learning [58.14930566993063]
我々は、形式言語と言語学からの重み付き有限オートマトン(WFA)、機械学習で使用されるリカレントニューラルネットワーク、テンソルネットワークの3つのモデル間の接続を提示する。
本稿では,連続ベクトル入力の列上に定義された線形2-RNNに対する最初の証明可能な学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-10-19T15:28:00Z) - Improve Generalization and Robustness of Neural Networks via Weight
Scale Shifting Invariant Regularizations [52.493315075385325]
重み劣化を含む正則化器の族は、均質な活性化関数を持つネットワークに対する本質的な重みのノルムをペナルティ化するのに有効でないことを示す。
そこで我々は,ニューラルネットワークの本質的な規範を効果的に制約する改良型正規化器を提案する。
論文 参考訳(メタデータ) (2020-08-07T02:55:28Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳(メタデータ) (2020-06-02T23:38:35Z)
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。