論文の概要: A Weighted Autoencoder-Based Approach to Downlink NOMA Constellation Design

• arxiv url: http://arxiv.org/abs/2306.13423v1
• Date: Fri, 23 Jun 2023 10:19:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 13:07:55.611002
• Title: A Weighted Autoencoder-Based Approach to Downlink NOMA Constellation Design
• Title（参考訳）: 軽量オートエンコーダによるダウンリンクNOMAコンステレーション設計
• Authors: Vukan Ninkovic, Dejan Vukobratovic, Adriano Pastore, Carles Anton-Haro
• Abstract要約: 本研究では,AEトレーニングにおける重み付き損失関数を導入し,異なるユーザのエラー確率のバランスをとる。 達成可能なレベルの大幅な改善と、異なるユーザのエラー確率の柔軟な制御を示す。
• 参考スコア（独自算出の注目度）: 3.991584682799934
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End-to-end design of communication systems using deep autoencoders (AEs) is gaining attention due to its flexibility and excellent performance. Besides single-user transmission, AE-based design is recently explored in multi-user setup, e.g., for designing constellations for non-orthogonal multiple access (NOMA). In this paper, we further advance the design of AE-based downlink NOMA by introducing weighted loss function in the AE training. By changing the weight coefficients, one can flexibly tune the constellation design to balance error probability of different users, without relying on explicit information about their channel quality. Combined with the SICNet decoder, we demonstrate a significant improvement in achievable levels and flexible control of error probability of different users using the proposed weighted AE-based framework.
• Abstract（参考訳）: ディープオートエンコーダ(AE)を用いた通信システムのエンドツーエンド設計は、その柔軟性と優れた性能から注目されている。 シングルユーザー送信の他に、AEベースの設計は、例えば非直交多重アクセス(NOMA)のために星座を設計するためのマルチユーザー設定で最近検討されている。 本稿では,AEトレーニングにおける重み付き損失関数の導入により,AEに基づくダウンリンクNOMAの設計をさらに進める。 重み係数を変更することで、チャンネル品質に関する明示的な情報に頼ることなく、コンステレーション設計を柔軟に調整し、異なるユーザのエラー確率のバランスをとることができる。 SICNetデコーダと組み合わせて、提案した重み付きAEベースのフレームワークを用いて、達成可能なレベルの大幅な改善と、異なるユーザのエラー確率の柔軟な制御を示す。

関連論文リスト

• Scalable and Reliable Over-the-Air Federated Edge Learning [18.283135460297583]
  オーバー・ザ・エア計算(AirComp)は、クライアントの更新をチャネル上で集約することで、通信リソースを節約する。 FEELのAirCompではチャネル符号化方式が提案されている。 本稿では,クライアント数に一定の誤り訂正機能を有するディジタル格子型コード構築法を提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:58:55Z)
• Universal Auto-encoder Framework for MIMO CSI Feedback [7.309007448410106]
  実世界のシナリオでは、入力と出力のサイズはBSとUEのアンテナ数によって異なる可能性がある。 異なる入力サイズと出力サイズをサポートする単純なアプローチは複数のAEモデルを使用することであり、UEでは実用的ではない。 本稿では,異なる入力サイズと複数圧縮比をサポート可能なユニバーサルAEフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-01T05:57:08Z)
• 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)
• LAMBO: Large AI Model Empowered Edge Intelligence [71.56135386994119]
  次世代エッジインテリジェンスは、オフロード技術を通じて様々なアプリケーションに恩恵をもたらすことが期待されている。 従来のオフロードアーキテクチャは、不均一な制約、部分的な認識、不確実な一般化、トラクタビリティの欠如など、いくつかの問題に直面している。 我々は、これらの問題を解決するための10億以上のパラメータを持つLarge AI Model-Based Offloading (LAMBO)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:25:42Z)
• Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
  エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。 本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
  論文  参考訳（メタデータ） (2022-11-02T16:35:14Z)
• List Autoencoder: Towards Deep Learning Based Reliable Transmission Over Noisy Channels [3.609538870261841]
  本稿では、デコーダネットワークがデコードされたメッセージワード候補のリストを出力するAEフレームワークであるListAEを提案する。 本稿では,受信した単語を成分コード列上に復号化してレートを低下させる,特定のエンドツーエンドネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-19T03:26:20Z)
• End-to-end Waveform Learning Through Joint Optimization of Pulse and Constellation Shaping [16.26230847183709]
  通信システムは、共同通信やセンシングといった新しいサービスを実現するためのものだ。 本研究では、パルス整形と星座幾何学の連成学習を通して波形を設計するためのエンドツーエンドの学習手法を提案する。
  論文  参考訳（メタデータ） (2021-06-29T08:22:05Z)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
  両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。 多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。 さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
  論文  参考訳（メタデータ） (2020-07-16T02:00:53Z)
• On the Encoder-Decoder Incompatibility in Variational Text Modeling and Beyond [82.18770740564642]
  変分オートエンコーダ(VAE)は、潜時変数と償却変分推論を結合する。 我々は,データ多様体のパラメータ化が不十分なエンコーダ・デコーダの不整合性を観察する。 同一構造を持つ決定論的オートエンコーダとVAEモデルを結合した結合型VAEを提案する。
  論文  参考訳（メタデータ） (2020-04-20T10:34:10Z)

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。