論文の概要: CRISP: Curriculum based Sequential Neural Decoders for Polar Code Family

• arxiv url: http://arxiv.org/abs/2210.00313v1
• Date: Sat, 1 Oct 2022 16:26:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 14:23:11.152020
• Title: CRISP: Curriculum based Sequential Neural Decoders for Polar Code Family
• Title（参考訳）: CRISP:Polar Code Familyのためのカリキュラムベースのシーケンスニューラルデコーダ
• Authors: S Ashwin Hebbar, Viraj Nadkarni, Ashok Vardhan Makkuva, Suma Bhat, Sewoong Oh, Pramod Viswanath
• Abstract要約: ポーラ符号は、最近第5世代無線規格(5G)に含まれる信頼できる通信のための最先端の符号として広く使われている。 我々は、新しい$textbfC$ur$textbfRI$culum based $textbfS$equential neural decoder for $textbfP$olar codes (CRISP)を紹介する。 CRISPはPola(16,32)およびPolar(22,64)符号のほぼ最適信頼性を実現する。
• 参考スコア（独自算出の注目度）: 45.74928228858547
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Polar codes are widely used state-of-the-art codes for reliable communication that have recently been included in the 5th generation wireless standards (5G). However, there remains room for the design of polar decoders that are both efficient and reliable in the short blocklength regime. Motivated by recent successes of data-driven channel decoders, we introduce a novel $\textbf{C}$ur$\textbf{RI}$culum based $\textbf{S}$equential neural decoder for $\textbf{P}$olar codes (CRISP). We design a principled curriculum, guided by information-theoretic insights, to train CRISP and show that it outperforms the successive-cancellation (SC) decoder and attains near-optimal reliability performance on the Polar(16,32) and Polar(22, 64) codes. The choice of the proposed curriculum is critical in achieving the accuracy gains of CRISP, as we show by comparing against other curricula. More notably, CRISP can be readily extended to Polarization-Adjusted-Convolutional (PAC) codes, where existing SC decoders are significantly less reliable. To the best of our knowledge, CRISP constructs the first data-driven decoder for PAC codes and attains near-optimal performance on the PAC(16, 32) code.
• Abstract（参考訳）: 極性符号は、最近第5世代無線規格(5G)に含まれる信頼できる通信のための最先端の符号として広く使われている。 しかし、短ブロック長領域において効率的かつ信頼性の高い極性デコーダの設計の余地は残っている。 データ駆動型チャネルデコーダの最近の成功に動機づけられ、新しい$\textbf{c}$ur$\textbf{ri}$culumベースの$\textbf{s}$equential neural decoder for $\textbf{p}$olar codes (crisp)を導入する。 我々は、情報理論的な洞察で導かれたカリキュラムを設計し、CRISPを訓練し、逐次キャンセラ(SC)デコーダより優れ、Polar(16,32)およびPolar(22,64)符号のほぼ最適信頼性性能が得られることを示す。 提案カリキュラムの選択は,他のカリキュラムと比較することによって示すように,CRISPの精度向上に不可欠である。 より注目すべきは、CRISPは、既存のSCデコーダの信頼性が著しく低いPAC(Polarization-Adjusted-Convolutional)コードに容易に拡張できることである。 我々の知る限り、CRISPはPACコードのための最初のデータ駆動デコーダを構築し、PAC(16, 32)コードでほぼ最適性能を得る。

関連論文リスト

• Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
  低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。 提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-06-09T12:08:56Z)
• Learning Linear Block Error Correction Codes [62.25533750469467]
  本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。 また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-07T06:47:12Z)
• On Leveraging Encoder-only Pre-trained Language Models for Effective Keyphrase Generation [76.52997424694767]
  本研究では、キーフレーズ生成(KPG)におけるエンコーダのみの事前学習言語モデル(PLM)の適用について述べる。 エンコーダのみの PLM では、条件付きランダムフィールドを持つ KPE は、現在のキーフレーズの同定においてわずかに優れているが、KPG の定式化はキーフレーズの予測の幅広いスペクトルを表現している。 また,エンコーダのみの PLM を用いたエンコーダデコーダアーキテクチャを用いる場合,幅よりもモデル深度に対するパラメータ割り当てが望ましいことを示す。
  論文  参考訳（メタデータ） (2024-02-21T18:57:54Z)
• DeepPolar: Inventing Nonlinear Large-Kernel Polar Codes via Deep Learning [36.10365210143751]
  極性符号は、短期間のブロック長規則のための最先端の誤り訂正符号として登場した。 DeepPolarコードは、カーネルサイズを大きくし、これらのカーネルをパラメータ化し、ニューラルネットワークを介してデコーダにマッチさせることで、従来のPolarコーディングフレームワークを拡張している。 以上の結果から,これらのデータ駆動型コードは,既存のニューラルコードと従来のポラコードの両方と比較して,カーネルサイズが大きくなるというメリットを効果的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-14T00:18:10Z)
• Flexible polar encoding for information reconciliation in QKD [2.627883025193776]
  量子鍵分配(QKD)は、情報理論的に安全な共通秘密鍵を確立する。 一般に量子チャネルに対する敵の誘惑に起因すると考えられるエラーは、公開チャネル上の古典的な通信を用いて修正する必要がある。 信頼性シーケンスを導出し,デコーダの選択に依存しないエンコーダの設計に利用できることを示す。
  論文  参考訳（メタデータ） (2023-11-30T16:01:10Z)
• Graph Neural Networks for Channel Decoding [71.15576353630667]
  低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。 ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。 提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
  論文  参考訳（メタデータ） (2022-07-29T15:29:18Z)
• Scalable Polar Code Construction for Successive Cancellation List Decoding: A Graph Neural Network-Based Approach [11.146177972345138]
  本稿では、まず、極性符号を、極性符号構成メッセージパスグラフと呼ばれる異種グラフにマッピングする。 次に,極性コードに対応するPCCMPグラフの探索を目的とした,グラフニューラルネットワークに基づく反復的メッセージパッシングアルゴリズムを提案する。 数値実験により、IMPベースの極符号構造はCA-SCLデコードの下での古典的な構成よりも優れていた。
  論文  参考訳（メタデータ） (2022-07-03T19:27:43Z)
• KO codes: Inventing Nonlinear Encoding and Decoding for Reliable Wireless Communication via Deep-learning [76.5589486928387]
  ランドマークコードは、Reed-Muller、BCH、Convolution、Turbo、LDPC、Polarといった信頼性の高い物理層通信を支える。 本論文では、ディープラーニング駆動型(エンコーダ、デコーダ)ペアの計算効率の良いファミリーであるKO符号を構築する。 KO符号は最先端のリード・ミュラー符号と極符号を破り、低複雑さの逐次復号法で復号された。
  論文  参考訳（メタデータ） (2021-08-29T21:08:30Z)
• Combining hard and soft decoders for hypergraph product codes [0.3326320568999944]
  ハイパーグラフ製品コードは、スモールセットフリップ (SSF) と呼ばれる線形時間デコーダを備えた定数レート量子低密度パリティチェック (LDPC) 符号である。 このデコーダは、実際には準最適性能を示し、非常に大きなエラー訂正符号を必要とする。 本稿では,信念伝搬(BP)アルゴリズムとSFデコーダを組み合わせたハイブリッドデコーダを提案する。
  論文  参考訳（メタデータ） (2020-04-23T14:48:05Z)

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。