論文の概要: Deep Unfolded Simulated Bifurcation for Massive MIMO Signal Detection

• arxiv url: http://arxiv.org/abs/2306.16264v1
• Date: Wed, 28 Jun 2023 14:46:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 13:56:34.958984
• Title: Deep Unfolded Simulated Bifurcation for Massive MIMO Signal Detection
• Title（参考訳）: MIMO信号検出のための深部展開模擬分岐
• Authors: Satoshi Takabe
• Abstract要約: 深層学習技術と量子(インスパイアされた)アルゴリズムに基づく様々な信号検出器が提案され,検出性能が向上した。 本稿では、量子インスパイアされたアルゴリズムであるシミュレート・バイフルケーション(SB)アルゴリズムに焦点を当てる。
• 参考スコア（独自算出の注目度）: 7.969977930633441
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiple-input multiple-output (MIMO) is a key ingredient of next-generation wireless communications. Recently, various MIMO signal detectors based on deep learning techniques and quantum(-inspired) algorithms have been proposed to improve the detection performance compared with conventional detectors. This paper focuses on the simulated bifurcation (SB) algorithm, a quantum-inspired algorithm. This paper proposes two techniques to improve its detection performance. The first is modifying the algorithm inspired by the Levenberg-Marquardt algorithm to eliminate local minima of maximum likelihood detection. The second is the use of deep unfolding, a deep learning technique to train the internal parameters of an iterative algorithm. We propose a deep-unfolded SB by making the update rule of SB differentiable. The numerical results show that these proposed detectors significantly improve the signal detection performance in massive MIMO systems.
• Abstract（参考訳）: マルチインプット多重出力(MIMO)は次世代無線通信の鍵となる要素である。 近年,深層学習技術と量子(インスパイアされた)アルゴリズムに基づく様々なMIMO信号検出器が提案され,従来の検出器と比較して検出性能が向上している。 本稿では,量子インスパイアされたアルゴリズムであるシミュレート分岐(sb)アルゴリズムに注目した。 本稿では,検出性能を向上させる2つの手法を提案する。 第一は、レベンバーグ・マーカルトアルゴリズムに触発されたアルゴリズムを修正して、最大確率検出の極小を取り除いたことである。 2つ目は、反復アルゴリズムの内部パラメータをトレーニングするためのディープラーニングテクニックである、deep unfoldingの利用である。 本稿では,SBの更新ルールを微分可能とした深部展開SBを提案する。 その結果,これらの検出器はMIMOシステムの信号検出性能を著しく向上することがわかった。

関連論文リスト

• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Hubbard-Stratonovich Detector for Simple Trainable MIMO Signal Detection [7.969977930633441]
  深部展開(DU)は顕著な検出性能を有する。 提案した検出器はハバード-ストラットノビッチ (HS) 変換に基づいており、DUはトレーニング可能なHS検出器 (THS) と呼ばれる。 トレーニング可能なパラメータは$O(1)$で、トレーニングと実行のコストは1イテレーションあたり$O(n2)$である。
  論文  参考訳（メタデータ） (2023-02-09T06:51:25Z)
• Simulated Bifurcation Algorithm for MIMO Detection [4.251210885092476]
  マルチインプット多重出力(MIMO)システムにおける信号検出のためのシミュレート分岐アルゴリズム(SB)の性能について検討した。 その結果、SBアルゴリズムは、広く使われている線形最小平均二乗誤り復号器に対して、大幅な性能向上を達成できることを示した。
  論文  参考訳（メタデータ） (2022-10-26T12:25:05Z)
• MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data Challenge [110.7678032481059]
  第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。 この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。 この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-09-22T16:44:59Z)
• Bit-Metric Decoding Rate in Multi-User MIMO Systems: Applications [13.848471206858617]
  第1部では,非線形受信機を有するMU-MIMOシステムに対するリンク適応(LA)と物理層(PHY)の抽象化に焦点を当てる。 パートIIは、任意の受信機を持つMU-MIMOシステムにおいて、LAのための新しいアルゴリズム、利用可能な検出器のリストからの動的検出器選択、PHY抽象化を開発する。
  論文  参考訳（メタデータ） (2022-03-11T22:51:26Z)
• Graph Signal Restoration Using Nested Deep Algorithm Unrolling [85.53158261016331]
  グラフ信号処理は、センサー、社会交通脳ネットワーク、ポイントクラウド処理、グラフネットワークなど、多くのアプリケーションにおいてユビキタスなタスクである。 凸非依存型深部ADMM(ADMM)に基づく2つの復元手法を提案する。 提案手法のパラメータはエンドツーエンドでトレーニング可能である。
  論文  参考訳（メタデータ） (2021-06-30T08:57:01Z)
• Quantum Algorithm for DOA Estimation in Hybrid Massive MIMO [1.7404865362620803]
  アレイ信号処理における到着方向推定(DOA)は重要な研究領域である。 本稿では,MUSICに基づくDOA推定のための量子アルゴリズムを提案する。 提案アルゴリズムは, パラメータの指数的な高速化と, 穏やかな条件下での高速化を実現する。
  論文  参考訳（メタデータ） (2021-02-08T02:15:07Z)
• Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time [64.26593350748401]
  本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。 我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
  論文  参考訳（メタデータ） (2021-02-02T04:58:57Z)
• Deep Reinforcement Learning Aided Monte Carlo Tree Search for MIMO Detection [7.115948058516199]
  本稿では,モンテカルロ木探索(MCTS)検出アルゴリズムに深部強化学習(DRL)エージェントを組み込んだ,新しいマルチインプット・マルチアウトプット(MIMO)シンボル検出器を提案する。
  論文  参考訳（メタデータ） (2021-01-30T07:29:04Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
  本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。 信号対雑音比が25未満の信号に対する感度は6因子改善した。 保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
  論文  参考訳（メタデータ） (2020-06-02T10:20:11Z)

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。