論文の概要: Artificial Intelligence for Molecular Communication
- arxiv url: http://arxiv.org/abs/2308.02812v1
- Date: Sat, 5 Aug 2023 07:07:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 18:39:52.290374
- Title: Artificial Intelligence for Molecular Communication
- Title（参考訳）: 分子通信のための人工知能
- Authors: Max Bartunik, Jens Kirchner, Oliver Keszocze
- Abstract要約: 分子通信は、小型デバイス間でのデータ伝送のための新しいアプローチである。
通信は、ナノスケールの分子をチャネルを介して送信することに基づいており、代わりにワイヤ上に電子を送る。
本稿では,送信信号の復調過程における課題と,人工ニューラルネットワークに基づくこれらの課題へのアプローチについて論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Molecular communication is a novel approach for data transmission between
miniaturized devices, especially in contexts where electrical signals are to be
avoided. The communication is based on sending molecules (or other particles)
at nano scale through channel instead sending electrons over a wire. Molecular
communication devices have a large potential in medical applications as they
offer an alternative to antenna-based transmission systems that may not be
applicable due to size, temperature, or radiation constraints. The
communication is achieved by transforming a digital signal into concentrations
of molecules. These molecules are then detected at the other end of the
communication channel and transformed back into a digital signal. Accurately
modeling the transmission channel is often not possible which may be due to a
lack of data or time-varying parameters of the channel (e. g., the movements of
a person wearing a medical device). This makes demodulation of the signal very
difficult. Many approaches for demodulation have been discussed with one
particular approach having tremendous success: artificial neural networks.
These networks imitate the decision process in the human brain and are capable
of reliably classifying noisy input data. Training such a network relies on a
large set of training data. As molecular communication as a technology is still
in its early development phase, this data is not always readily available. We
discuss neural network-based demodulation approaches relying on synthetic data
based on theoretical channel models as well as works using actual measurements
produced by a prototype test bed. In this work, we give a general overview over
the field molecular communication, discuss the challenges in the demodulations
process of transmitted signals, and present approaches to these challenges that
are based on artificial neural networks.
- Abstract（参考訳）: 分子通信は、特に電気信号が避けられる状況において、小型デバイス間でのデータ伝送のための新しいアプローチである。
通信は、ナノスケールの分子(または他の粒子)をチャネルを介して送信することに基づいている。
分子通信デバイスは、サイズ、温度、放射線の制約により適用できないアンテナベースの伝送システムに代わる手段を提供するため、医療応用において大きな可能性を持っている。
通信はデジタル信号を分子の濃度に変換することによって実現される。
これらの分子は通信チャネルの反対側で検出され、デジタル信号に変換される。
送信チャネルの正確なモデリングは、通信チャネルのデータ不足や時間変化パラメータ(例えば、医療機器を装着している人の動き)による可能性があるため、多くの場合不可能である。
これにより信号の復調が非常に困難になる。
復調のための多くのアプローチは、人工ニューラルネットワークという大きな成功を収めた特定のアプローチで議論されてきた。
これらのネットワークは人間の脳における決定過程を模倣し、ノイズの多い入力データを確実に分類することができる。
このようなネットワークのトレーニングは、大量のトレーニングデータに依存する。
技術としての分子通信は、まだ開発の初期段階にあるため、このデータは必ずしも容易に利用できない。
本稿では,理論チャネルモデルに基づく合成データに基づくニューラルネットワークを用いた復調手法と,プロトタイプテストベッドによる実測値を用いた手法について検討する。
本稿では,フィールド分子間通信の概要について概説し,伝送信号の復調過程における課題と,人工ニューラルネットワークに基づくこれらの課題へのアプローチについて述べる。
関連論文リスト
- DeepSpeech models show Human-like Performance and Processing of Cochlear Implant Inputs [12.234206036041218]
我々は、ディープニューラルネットワーク(DNN)のDeepSpeech2をパラダイムとして、自然入力と人工内耳ベースの入力が時間の経過とともにどのように処理されるかを調べる。
音声文から自然言語および人工内耳のような入力を生成し、モデル性能と人的性能の類似性を検証した。
各レイヤにおける時間的ダイナミクスは、コンテキストや入力タイプの影響を受けます。
論文 参考訳（メタデータ） (2024-07-30T04:32:27Z) - Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。
覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
論文 参考訳（メタデータ） (2024-04-02T10:19:04Z) - HawkRover: An Autonomous mmWave Vehicular Communication Testbed with
Multi-sensor Fusion and Deep Learning [26.133092114053472]
接続された自動走行車(CAV)は、私たちの日常生活を変えるための変革的な技術になっています。
現在、ミリ波(mmWave)バンドは有望なCAV接続ソリューションとして認識されている。
高いデータレートを提供できるが、その実現には、mWave信号の伝搬やモビリティ管理の際の高減衰など、多くの課題に直面している。
本研究は,mmWave信号と他のセンサデータを収集し,車載通信を容易にする自律的かつ低コストなテストベッドを提案する。
論文 参考訳（メタデータ） (2024-01-03T16:38:56Z) - Neuromorphic Wireless Cognition: Event-Driven Semantic Communications
for Remote Inference [32.0035037154674]
本稿ではニューロモルフィックな無線インターネット・オブ・Thingsシステムのためのエンドツーエンドの設計を提案する。
各センサ装置は、ニューロモルフィックセンサと、スパイキングニューラルネットワーク(SNN)と、複数のアンテナを備えたインパルス無線送信機を備える。
パイロット、SNNの符号化、SNNの復号化、ハイパーネットワークは、複数のチャネル実現を通じて共同で訓練される。
論文 参考訳（メタデータ） (2022-06-13T11:13:39Z) - Error Correction Code Transformer [92.10654749898927]
本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。
我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。
提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
論文 参考訳（メタデータ） (2022-03-27T15:25:58Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Integrate-and-Fire Neurons for Low-Powered Pattern Recognition [0.0]
コンデンサの電荷と放電特性を利用した低出力ニューロンモデル「Integrate-and-Fire」を導入する。
並列および直列RC回路を用いて、繰り返し形式で表現できるトレーニング可能なニューロンモデルを開発した。
本論文は,第20回人工知能・ソフトコンピューティングWebシステム国際会議(ICAISC 2021)で発表された研究の全文である。
論文 参考訳（メタデータ） (2021-06-28T12:08:00Z) - A Big Data Enabled Channel Model for 5G Wireless Communication Systems [71.93009775340234]
本稿では,ビッグデータ解析,特に無線通信およびチャネルモデリングにおける機械学習アルゴリズムの様々な応用について検討する。
本稿では,ビッグデータと機械学習を利用した無線チャネルモデルフレームワークを提案する。
提案するチャネルモデルは、フィードフォワードニューラルネットワーク(FNN)やラジアル基底関数ニューラルネットワーク(RBF-NN)を含む、人工ニューラルネットワーク(ANN)に基づいている。
論文 参考訳（メタデータ） (2020-02-28T05:56:14Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳（メタデータ） (2020-02-14T06:58:27Z) - Two Applications of Deep Learning in the Physical Layer of Communication
Systems [0.0]
ディープラーニングは、データ駆動信号処理アルゴリズムを開発するための強力なツールであることが証明されている。
入力信号の重要な特徴と特徴を学習することで、学習アルゴリズムは多くの人造アルゴリズムを破ることができる。
論文 参考訳（メタデータ） (2020-01-10T08:52:34Z)
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。