論文の概要: For One-Shot Decoding: Self-supervised Deep Learning-Based Polar Decoder

• arxiv url: http://arxiv.org/abs/2307.08004v2
• Date: Sun, 30 Jul 2023 04:26:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 20:13:08.811372
• Title: For One-Shot Decoding: Self-supervised Deep Learning-Based Polar Decoder
• Title（参考訳）: ワンショットデコーディング: 自己教師型ディープラーニングベース極性デコーダ
• Authors: Huiying Song, Yihao Luo, Yuma Fukuzawa
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.4964546566293881
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a self-supervised deep learning-based decoding scheme that enables one-shot decoding of polar codes. In the proposed scheme, rather than using the information bit vectors as labels for training the neural network (NN) through supervised learning as the conventional scheme did, the NN is trained to function as a bounded distance decoder by leveraging the generator matrix of polar codes through self-supervised learning. This approach eliminates the reliance on predefined labels, empowering the potential to train directly on the actual data within communication systems and thereby enhancing the applicability. Furthermore, computer simulations demonstrate that (i) the bit error rate (BER) and block error rate (BLER) performances of the proposed scheme can approach those of the maximum a posteriori (MAP) decoder for very short packets and (ii) the proposed NN decoder (NND) exhibits much superior generalization ability compared to the conventional one.
• Abstract（参考訳）: 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方式を提案する。 提案手法では,ニューラルネットワーク(NN)を教師付き学習で訓練するラベルとして使用するのではなく,自己教師付き学習によって極符号のジェネレータ行列を活用することにより,境界距離デコーダとして機能するように訓練されている。 このアプローチは、事前に定義されたラベルへの依存を排除し、通信システム内の実際のデータを直接トレーニングする可能性を高め、適用性を高める。 さらに、コンピュータシミュレーションは、 (i)提案方式のビット誤り率 (BER) とブロック誤り率 (BLER) の性能は、非常に短いパケットに対して最大アフターイデコーダ (MAP) に近づくことができる。 (ii)提案するnnデコーダ(nnd)は,従来よりもはるかに優れた一般化能力を示す。

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)
• 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)
• 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)
• A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
  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。
  論文  参考訳（メタデータ） (2022-11-13T17:13:12Z)
• 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)
• 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)
• Scalable Polar Code Construction for Successive Cancellation List Decoding: A Graph Neural Network-Based Approach [11.146177972345138]
  本稿では、まず、極性符号を、極性符号構成メッセージパスグラフと呼ばれる異種グラフにマッピングする。 次に,極性コードに対応するPCCMPグラフの探索を目的とした,グラフニューラルネットワークに基づく反復的メッセージパッシングアルゴリズムを提案する。 数値実験により、IMPベースの極符号構造はCA-SCLデコードの下での古典的な構成よりも優れていた。
  論文  参考訳（メタデータ） (2022-07-03T19:27:43Z)
• Using Deep Neural Networks to Predict and Improve the Performance of Polar Codes [3.6804038214708563]
  本研究では, 極性符号のフレーム誤り率を, 冷凍ビット構造順に予測するための深層ニューラルネットワークの訓練を行う手法を提案する。 生成データセットに,ニューラルネットワークの訓練に用いるコードよりも効率的にコードを生成するための提案手法の能力を示す。
  論文  参考訳（メタデータ） (2021-05-11T10:24:51Z)
• Short-Term Memory Optimization in Recurrent Neural Networks by Autoencoder-based Initialization [79.42778415729475]
  線形オートエンコーダを用いた列列の明示的暗記に基づく代替解を提案する。 このような事前学習が、長いシーケンスで難しい分類タスクを解くのにどのように役立つかを示す。 提案手法は, 長周期の復元誤差をはるかに小さくし, 微調整時の勾配伝播を良くすることを示す。
  論文  参考訳（メタデータ） (2020-11-05T14:57:16Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。