Fugu-MT 論文翻訳(概要): Low Complexity Convolutional Neural Networks for Equalization in Optical Fiber Transmission

論文の概要: Low Complexity Convolutional Neural Networks for Equalization in Optical Fiber Transmission

arxiv url: http://arxiv.org/abs/2210.05454v1
Date: Tue, 11 Oct 2022 13:51:04 GMT
ステータス: 処理完了
システム内更新日: 2022-10-12 17:04:20.505300
Title: Low Complexity Convolutional Neural Networks for Equalization in Optical Fiber Transmission
Title（参考訳）: 光ファイバー伝送における等化のための低複雑性畳み込みニューラルネットワーク
Authors: Mohannad Abu-romoh (1), Nelson Costa (2), Antonio Napoli (3), Jo\~ao Pedro (2), Yves Jaou\"en (1), Mansoor Yousefi (1) ((1) Telecom Paris, Palaiseau, France, (2) Infinera Unipessoal Lda, Carnaxide, Portugal, (3) Infinera, London, United Kingdom)
Abstract要約: 繊維透過効果を軽減するために畳み込みニューラルネットワークを提案する。これは、代替等化器と比較してトレーニング可能なパラメータを5倍に減らし、MSEと同等の複雑さを持つDBPと比較して3.5dBの改善を実現している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A convolutional neural network is proposed to mitigate fiber transmission effects, achieving a five-fold reduction in trainable parameters compared to alternative equalizers, and 3.5 dB improvement in MSE compared to DBP with comparable complexity.
Abstract（参考訳）: 畳み込みニューラルネットワークは、繊維伝達効果を緩和し、代替等化剤と比較してトレーニング可能なパラメータの5倍の低減を実現し、同じ複雑性を持つDBPと比較してMSEの3.5dBの改善を実現している。

関連論文リスト

Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
論文参考訳（メタデータ） (2025-01-20T04:26:21Z)
Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文参考訳（メタデータ） (2024-12-05T09:41:33Z)
BDC-Occ: Binarized Deep Convolution Unit For Binarized Occupancy Network [55.21288428359509]
既存の3D占有ネットワークは重要なハードウェアリソースを必要としており、エッジデバイスの配備を妨げている。本稿では,バイナライズド・ディープ・コンボリューション(BDC)ユニットを提案し,バイナライズド・ディープ・コンボリューション・レイヤの数を増やしつつ性能を効果的に向上させる。我々のBDC-Occモデルは既存の3D占有ネットワークをバイナライズするために提案したBDCユニットを適用して作成する。
論文参考訳（メタデータ） (2024-05-27T10:44:05Z)
Energy-efficient Spiking Neural Network Equalization for IM/DD Systems with Optimized Neural Encoding [53.909333359654276]
スパイクニューラルネットワークに基づくIM/DDシステムのエネルギー効率の等化器を提案する。エネルギー消費を低減しつつ、等化器の性能を高めるニューラルスパイク符号化を最適化する。
論文参考訳（メタデータ） (2023-12-20T10:45:24Z)
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)
Reducing Computational Complexity of Neural Networks in Optical Channel Equalization: From Concepts to Implementation [1.6987798749419218]
本稿では,従来のディジタルバックプロパゲーション(DBP)イコライザよりも実装が簡単で,性能も優れたNNベースのイコライザを設計できることを示す。 NNに基づく等化器は、完全電子色分散補償ブロックと同程度の複雑さを維持しつつ、優れた性能を達成することができる。
論文参考訳（メタデータ） (2022-08-26T21:00:05Z)
Towards FPGA Implementation of Neural Network-Based Nonlinearity Mitigation Equalizers in Coherent Optical Transmission Systems [3.2482344354758723]
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。
論文参考訳（メタデータ） (2022-06-24T09:41:26Z)
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)
Domain Adaptation: the Key Enabler of Neural Network Equalizers in Coherent Optical Systems [1.4549914190846531]
本稿では,実伝送におけるニューラルネットワークに基づく等化器の校正のための領域適応とランダム化手法を提案する。このアプローチでは、トレーニングプロセスの最大99%が削減される。
論文参考訳（メタデータ） (2022-02-25T13:46:33Z)
Experimental Evaluation of Computational Complexity for Different Neural Network Equalizers in Optical Communications [2.085681052464444]
いくつかのニューラルネットワークアーキテクチャの比較分析を行うことで、パフォーマンスと複雑性のトレードオフを定量化する。本稿では,TWC と SSMF のセットアップ結果について述べる。
論文参考訳（メタデータ） (2021-09-17T18:31:58Z)
Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文参考訳（メタデータ） (2020-05-20T11:11:47Z)

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。