論文の概要: Machine Learning-Aided Efficient Decoding of Reed-Muller Subcodes
- arxiv url: http://arxiv.org/abs/2301.06251v1
- Date: Mon, 16 Jan 2023 04:11:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 16:34:52.928572
- Title: Machine Learning-Aided Efficient Decoding of Reed-Muller Subcodes
- Title（参考訳）: 機械学習によるリードミューラーサブコードの効率的な復号化
- Authors: Mohammad Vahid Jamali, Xiyang Liu, Ashok Vardhan Makkuva, Hessam
Mahdavifar, Sewoong Oh, and Pramod Viswanath
- Abstract要約: Reed-Muller (RM) 符号は、一般的なバイナリインプットメモリレス対称チャネルの容量を達成する。
一般的なコードパラメータ用の最大形デコーダに近い性能を持つ効率的なデコーダがない。
本稿では,フレキシブルレートのRM符号のサブコードに焦点をあてる。
- 参考スコア（独自算出の注目度）: 59.55193427277134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reed-Muller (RM) codes achieve the capacity of general binary-input
memoryless symmetric channels and have a comparable performance to that of
random codes in terms of scaling laws. However, they lack efficient decoders
with performance close to that of a maximum-likelihood decoder for general code
parameters. Also, they only admit limited sets of rates. In this paper, we
focus on subcodes of RM codes with flexible rates. We first extend the
recently-introduced recursive projection-aggregation (RPA) decoding algorithm
to RM subcodes. To lower the complexity of our decoding algorithm, referred to
as subRPA, we investigate different approaches to prune the projections. Next,
we derive the soft-decision based version of our algorithm, called soft-subRPA,
that not only improves upon the performance of subRPA but also enables a
differentiable decoding algorithm. Building upon the soft-subRPA algorithm, we
then provide a framework for training a machine learning (ML) model to search
for \textit{good} sets of projections that minimize the decoding error rate.
Training our ML model enables achieving very close to the performance of
full-projection decoding with a significantly smaller number of projections. We
also show that the choice of the projections in decoding RM subcodes matters
significantly, and our ML-aided projection pruning scheme is able to find a
\textit{good} selection, i.e., with negligible performance degradation compared
to the full-projection case, given a reasonable number of projections.
- Abstract（参考訳）: Reed-Muller (RM) 符号は、一般的なバイナリインプットメモリレス対称チャネルの容量を達成し、スケーリング法則の点でランダムコードに匹敵する性能を持つ。
しかし、一般的なコードパラメータの最大値に近い性能を持つ効率的なデコーダは欠如している。
また、限定的なレートしか認めていない。
本稿では,フレキシブルレートのRM符号のサブコードに焦点をあてる。
まず,最近導入された再帰的投射集約(rpa)復号アルゴリズムをrmサブコードに拡張する。
サブRPAと呼ばれるデコードアルゴリズムの複雑さを低減するために、プロジェクションを熟成するための異なるアプローチを検討する。
次に,本アルゴリズムのソフト決定に基づくバージョンであるSoft-subRPAを導出し,サブRPAの性能を向上するだけでなく,識別可能な復号アルゴリズムを実現する。
次に、soft-subrpaアルゴリズムに基づいて、機械学習(ml)モデルをトレーニングして、デコードエラー率を最小化するプロジェクションの \textit{good}集合を探索するフレームワークを提供する。
MLモデルをトレーニングすることで、プロジェクションの数を大幅に少なくして、フルプロジェクションデコーディングのパフォーマンスに非常に近いことが可能になります。
また,rmサブコードの復号化におけるプロジェクションの選択は著しく重要であり,ml支援のプロジェクションプラニング方式では,妥当な数のプロジェクションが与えられれば,全プロジェクションに比べて性能が著しく低下する\textit{good} 選択を見出すことができることを示した。
関連論文リスト
- Limitations of the decoding-to-LPN reduction via code smoothing [59.90381090395222]
LPN問題(Learning Parity with Noise)は、いくつかの古典的な暗号プリミティブの根底にある問題である。
本稿では,線形符号の復号化問題から,難易度がいくつか存在することの低減を試みている。
我々は、復号化の効率を、復号化のパラメータと問題の観点から特徴づける。
論文 参考訳（メタデータ） (2024-08-07T12:54:43Z) - Bit-flipping Decoder Failure Rate Estimation for (v,w)-regular Codes [84.0257274213152]
並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。
本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
論文 参考訳（メタデータ） (2024-01-30T11:40:24Z) - Reduction from sparse LPN to LPN, Dual Attack 3.0 [1.9106435311144374]
全く異なるアプローチに依存する RLPN-decoding と呼ばれる新しいアルゴリズムが導入された。
コードレートが 0.42 より小さい場合、ISD と RLPN を著しく上回っている。
このアルゴリズムは、格子ベースの暗号における最近の二重攻撃の従兄弟であるコードベース暗号と見なすことができる。
論文 参考訳（メタデータ） (2023-12-01T17:35:29Z) - Deep Learning Assisted Multiuser MIMO Load Modulated Systems for
Enhanced Downlink mmWave Communications [68.96633803796003]
本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。
ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。
本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-08T08:54:56Z) - Efficient Syndrome Decoder for Heavy Hexagonal QECC via Machine Learning [1.1156329459915602]
近年の進歩により、トポロジカルコードは機械学習(ML)技術の展開によって効率的に復号化可能であることが示されている。
まず、ヘキサゴナルコードのためのMLベースのデコーダを提案し、しきい値と擬似閾値の値でその効率性を確立する。
等価なエラークラスを決定するランクに基づく新しい手法が提案され、線形探索に基づくクラスよりも経験的に高速である。
論文 参考訳（メタデータ） (2022-10-18T10:16:14Z) - Conservation laws and quantum error correction: towards a generalised
matching decoder [2.1756081703276]
原型量子低密度パリティチェック符号である表面符号の復号アルゴリズムについて検討する。
デコーダは、表面符号安定化素子間の物質化された対称性によって生じる基盤構造を利用する。
本研究では,特定の特性を持つ符号に対して,最小重み付き完全整合デコーダを構築する方式を提案する。
論文 参考訳（メタデータ） (2022-07-13T18:00:00Z) - Less is More: Pre-training a Strong Siamese Encoder Using a Weak Decoder [75.84152924972462]
多くの実世界のアプリケーションはSiameseネットワークを使用して、テキストシーケンスを大規模に効率的にマッチングします。
本稿では,シームズアーキテクチャにおけるシーケンスマッチング専用の言語モデルを事前学習する。
論文 参考訳（メタデータ） (2021-02-18T08:08:17Z) - A PDD Decoder for Binary Linear Codes With Neural Check Polytope
Projection [43.97522161614078]
基本ポリトープに基づく最大可算(ML)復号問題に対処するPDDアルゴリズムを提案する。
また、PDD復号アルゴリズムの最も時間を要する部分に機械学習技術を統合することを提案する。
本稿では、デコード遅延を低減するために特別に設計されたニューラルCPP(N CPP)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-11T07:57:15Z) - ADMM-based Decoder for Binary Linear Codes Aided by Deep Learning [40.25456611849273]
この研究は、二進線形符号に対するディープニューラルネットワーク支援復号アルゴリズムを示す。
ディープ・アンフォールディングの概念に基づいて,乗算器の交互方向のデコーダ(ADMM)を展開させてデコードネットワークを設計する。
以上の結果から,DL支援デコーダはADMM課金デコーダよりも優れていた。
論文 参考訳（メタデータ） (2020-02-14T03:32:14Z) - 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。