論文の概要: A Scalable Graph Neural Network Decoder for Short Block Codes

• arxiv url: http://arxiv.org/abs/2211.06962v1
• Date: Sun, 13 Nov 2022 17:13:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 19:53:40.716905
• Title: A Scalable Graph Neural Network Decoder for Short Block Codes
• Title（参考訳）: 短ブロック符号のためのスケーラブルなグラフニューラルネットワークデコーダ
• Authors: Kou Tian, Chentao Yue, Changyang She, Yonghui Li, and Branka Vucetic
• Abstract要約: エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。 EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。 EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 49.25571364253986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we propose a novel decoding algorithm for short block codes based on an edge-weighted graph neural network (EW-GNN). The EW-GNN decoder operates on the Tanner graph with an iterative message-passing structure, which algorithmically aligns with the conventional belief propagation (BP) decoding method. In each iteration, the "weight" on the message passed along each edge is obtained from a fully connected neural network that has the reliability information from nodes/edges as its input. Compared to existing deep-learning-based decoding schemes, the EW-GNN decoder is characterised by its scalability, meaning that 1) the number of trainable parameters is independent of the codeword length, and 2) an EW-GNN decoder trained with shorter/simple codes can be directly used for longer/sophisticated codes of different code rates. Furthermore, simulation results show that the EW-GNN decoder outperforms the BP and deep-learning-based BP methods from the literature in terms of the decoding error rate.
• Abstract（参考訳）: 本研究では,エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。 EW-GNNデコーダはタンナーグラフ上で反復的なメッセージパス構造で動作し、従来の信念伝搬法(BP)デコーダとアルゴリズム的に整合する。 各イテレーションでは、ノード/エッジからの信頼性情報を入力として持つ完全接続されたニューラルネットワークから、各エッジに沿って渡されるメッセージの「重み」を得る。 既存のディープラーニングベースのデコード方式と比較して、EW-GNNデコーダはそのスケーラビリティによって特徴付けられる。 1) トレーニング可能なパラメータの数は,コードワードの長さに依存しない。 2) 短い/単純なコードで訓練されたEW-GNNデコーダは、異なるコードレートの長い/洗練されたコードに直接使用することができる。 さらに、シミュレーションの結果、EW-GNNデコーダは、復号誤り率の観点から、BP法およびディープラーニングに基づくBP法よりも優れていることが示された。

関連論文リスト

• On the Design and Performance of Machine Learning Based Error Correcting Decoders [3.8289109929360245]
  まず, 単一ラベル型ニューラルネットワーク (SLNN) とマルチラベル型ニューラルネットワーク (MLNN) のデコーダについて検討した。 次に、エラー訂正符号変換器(ECCT)とクロスアテンションメッセージパッシング変換器(CrossMPT)という、2つのトランスフォーマーベースのデコーダに注目します。
  論文  参考訳（メタデータ） (2024-10-21T11:23:23Z)
• Decoding Quantum LDPC Codes Using Graph Neural Networks [52.19575718707659]
  グラフニューラルネットワーク(GNN)に基づく量子低密度パリティチェック(QLDPC)符号の新しい復号法を提案する。 提案したGNNベースのQLDPCデコーダは,QLDPC符号のスパースグラフ構造を利用して,メッセージパスデコーダとして実装することができる。
  論文  参考訳（メタデータ） (2024-08-09T16:47:49Z)
• Graph Neural Networks for Enhanced Decoding of Quantum LDPC Codes [6.175503577352742]
  量子低密度パリティチェック(LDPC)符号に対する微分可能な反復デコーダを提案する。 提案アルゴリズムは,古典的信念伝達(BP)復号段階と中間グラフニューラルネットワーク(GNN)層から構成される。
  論文  参考訳（メタデータ） (2023-10-26T19:56:25Z)
• For One-Shot Decoding: Self-supervised Deep Learning-Based Polar Decoder [1.4964546566293881]
  極性符号のワンショット復号を可能にする自己教師付き深層学習に基づく復号法を提案する。 提案手法では、ニューラルネットワーク(NN)をトレーニングするラベルとして情報ビットベクトルを使用する代わりに、NNは有界距離デコーダとして機能するように訓練される。
  論文  参考訳（メタデータ） (2023-07-16T11:12:58Z)
• Generalization Bounds for Neural Belief Propagation Decoders [10.96453955114324]
  本稿では,ニューラルネットワークを用いたデコーダの一般化機能について検討する。 具体的には、デコーダの一般化ギャップは、経験的ビットエラーレートと期待ビットエラーレートの差である。 通常のパリティチェック行列と不規則なパリティチェック行列の両方について結果が提示される。
  論文  参考訳（メタデータ） (2023-05-17T19:56:04Z)
• 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)
• Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
  本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。 我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2021-10-22T20:49:02Z)
• Dynamic Neural Representational Decoders for High-Resolution Semantic Segmentation [98.05643473345474]
  動的ニューラル表現デコーダ(NRD)と呼ばれる新しいデコーダを提案する。 エンコーダの出力上の各位置がセマンティックラベルの局所的なパッチに対応するので、この研究では、これらの局所的なパッチをコンパクトなニューラルネットワークで表現する。 このニューラル表現により、意味ラベル空間に先行する滑らかさを活用することができ、デコーダをより効率的にすることができる。
  論文  参考訳（メタデータ） (2021-07-30T04:50:56Z)
• Pruning Neural Belief Propagation Decoders [77.237958592189]
  本稿では,機械学習を用いたBPデコードに対して,過剰完全パリティチェック行列を調整する手法を提案する。 我々は,デコーダの複雑さを低減しつつ,0.27dB,1.5dBのML性能を実現する。
  論文  参考訳（メタデータ） (2020-01-21T12:05:46Z)

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。