論文の概要: Rateless Autoencoder Codes: Trading off Decoding Delay and Reliability

• arxiv url: http://arxiv.org/abs/2301.12231v2
• Date: Tue, 31 Jan 2023 09:29:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-01 12:48:12.131068
• Title: Rateless Autoencoder Codes: Trading off Decoding Delay and Reliability
• Title（参考訳）: レートレスオートエンコーダコード:デコード遅延と信頼性のトレードオフ
• Authors: Vukan Ninkovic, Dejan Vukobratovic, Christian H\"ager, Henk Wymeersch, Alexandre Graell i Amat
• Abstract要約: 本稿では、ノイズの多いコードワードが完全に受信される前に、送信メッセージの復号に適した、新しいレートレスオートエンコーダ(AE)ベースのコード設計を提案する。 提案したレートレスAEは、復号遅延の低減のために信頼性をトレードオフすることが望ましいシナリオにおいて、従来のAE設計よりも大幅に優れていた。
• 参考スコア（独自算出の注目度）: 90.17852645780945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most of today's communication systems are designed to target reliable message recovery after receiving the entire encoded message (codeword). However, in many practical scenarios, the transmission process may be interrupted before receiving the complete codeword. This paper proposes a novel rateless autoencoder (AE)-based code design suitable for decoding the transmitted message before the noisy codeword is fully received. Using particular dropout strategies applied during the training process, rateless AE codes allow to trade off between decoding delay and reliability, providing a graceful improvement of the latter with each additionally received codeword symbol. The proposed rateless AEs significantly outperform the conventional AE designs for scenarios where it is desirable to trade off reliability for lower decoding delay.
• Abstract（参考訳）: 今日の通信システムの多くは、符号化されたメッセージ全体(コードワード)を受信した後、信頼できるメッセージリカバリをターゲットに設計されている。 しかし、多くの現実的なシナリオでは、完全なコードワードを受け取る前に送信プロセスが中断されることがある。 本稿では、ノイズの多いコードワードが完全に受信される前に、送信メッセージの復号に適した、新しいレートレスオートエンコーダ(AE)ベースのコード設計を提案する。 訓練中に適用される特定のドロップアウト戦略を用いることで、レートレスae符号は復号遅延と信頼性のトレードオフを可能にし、さらに受信されたコードワード記号で後者を優雅に改善する。 提案するレートレスaeは,より低い復号遅延で信頼性をトレードオフすることが望ましいシナリオにおいて,従来のae設計を大きく上回っている。

関連論文リスト

• 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)
• An Effective Mixture-Of-Experts Approach For Code-Switching Speech Recognition Leveraging Encoder Disentanglement [9.28943772676672]
  コードスイッチング現象は、自動音声認識を妨げる大きな障害である。 エンコーダの下層層が言語間音響情報を捕捉できるようにするために, 新たなアンタングルメント損失を導入する。 提案手法は,事前訓練されたデュアルエンコーダを用いた先行技術よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2024-02-27T04:08:59Z)
• Drop your Decoder: Pre-training with Bag-of-Word Prediction for Dense Passage Retrieval [26.00149743478937]
  マスケードオートエンコーダの事前学習は,高密度検索システムの初期化・拡張技術として広く普及している。 マスク付きオートエンコーダのデコーダを、完全に単純化されたBag-of-Word予測タスクに置き換えることで、従来のMAEの修正を提案する。 提案手法は,新たなパラメータを必要とせずに,大規模検索ベンチマークにおける最先端の検索性能を実現する。
  論文  参考訳（メタデータ） (2024-01-20T15:02:33Z)
• 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)
• Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
  セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。 再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:13:22Z)
• Denoising Diffusion Error Correction Codes [92.10654749898927]
  近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。 最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。 本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
  論文  参考訳（メタデータ） (2022-09-16T11:00:50Z)
• Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
  機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。 本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。 我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
  論文  参考訳（メタデータ） (2021-12-21T19:14:44Z)
• Efficient Concatenated Bosonic Code for Additive Gaussian Noise [0.0]
  ボソニック符号は量子情報処理のためのノイズレジリエンスを提供する。 本稿では,Gottesman-Kitaev-Preskill符号を用いて,デフォールトエラー発生キュービットと量子パリティ符号を用いて残差の処理を行う。 我々の研究は、幅広い量子計算と通信シナリオに応用できるかもしれない。
  論文  参考訳（メタデータ） (2021-02-02T08:01:30Z)
• Cross-Thought for Sentence Encoder Pre-training [89.32270059777025]
  Cross-Thoughtは、事前トレーニングシーケンスエンコーダに対する新しいアプローチである。 我々は、Transformerベースのシーケンスエンコーダを、多数の短いシーケンスに対してトレーニングする。 質問応答とテキストのエンコーダタスクの実験は、事前学習したエンコーダが最先端のエンコーダより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-07T21:02:41Z)

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。