論文の概要: Data-Driven Neural Polar Codes for Unknown Channels With and Without Memory

• arxiv url: http://arxiv.org/abs/2309.03148v1
• Date: Wed, 6 Sep 2023 16:44:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 14:36:17.764664
• Title: Data-Driven Neural Polar Codes for Unknown Channels With and Without Memory
• Title（参考訳）: 記憶のない未知チャネルに対するデータ駆動型ニューラル極符号
• Authors: Ziv Aharoni and Bashar Huleihel and Henry D. Pfister and Haim H. Permuter
• Abstract要約: 本稿では,メモリを使わずにチャネルの極性符号を設計するためのデータ駆動手法を提案する。 提案手法は、逐次キャンセル(SC)デコーダの構造を利用して、ニューラルSCデコーダを考案する。 NSCデコーダはニューラルネットワーク(NN)を使用して、元のSCデコーダの中核要素、チェックノード、ビットノード、ソフトな決定を置き換える。
• 参考スコア（独自算出の注目度）: 20.793209871685445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, a novel data-driven methodology for designing polar codes for channels with and without memory is proposed. The methodology is suitable for the case where the channel is given as a "black-box" and the designer has access to the channel for generating observations of its inputs and outputs, but does not have access to the explicit channel model. The proposed method leverages the structure of the successive cancellation (SC) decoder to devise a neural SC (NSC) decoder. The NSC decoder uses neural networks (NNs) to replace the core elements of the original SC decoder, the check-node, the bit-node and the soft decision. Along with the NSC, we devise additional NN that embeds the channel outputs into the input space of the SC decoder. The proposed method is supported by theoretical guarantees that include the consistency of the NSC. Also, the NSC has computational complexity that does not grow with the channel memory size. This sets its main advantage over successive cancellation trellis (SCT) decoder for finite state channels (FSCs) that has complexity of $O(|\mathcal{S}|^3 N\log N)$, where $|\mathcal{S}|$ denotes the number of channel states. We demonstrate the performance of the proposed algorithms on memoryless channels and on channels with memory. The empirical results are compared with the optimal polar decoder, given by the SC and SCT decoders. We further show that our algorithms are applicable for the case where there SC and SCT decoders are not applicable.
• Abstract（参考訳）: 本研究では,記憶のないチャネルのための極性符号を設計するための新しいデータ駆動手法を提案する。 この手法は、チャネルが「ブラックボックス」として与えられる場合に適しており、設計者は入力や出力の観測を行うためにチャネルにアクセスすることができるが、明示的なチャネルモデルにアクセスできない。 提案手法は、逐次キャンセル(sc)デコーダの構造を利用して、ニューラルネットワーク(nsc)デコーダを考案する。 NSCデコーダはニューラルネットワーク(NN)を使用して、元のSCデコーダの中核要素、チェックノード、ビットノード、ソフトな決定を置き換える。 NSCと共に、SCデコーダの入力空間にチャネル出力を埋め込む追加のNNを考案する。 提案手法は,NSCの整合性を含む理論的保証によって支持される。 また、NSCはチャネルメモリサイズで成長しない計算複雑性を持つ。 このことは、$O(|\mathcal{S}|^3 N\log N)$の複雑さを持つ有限状態チャネル (FSC) に対する連続キャンセルトレリス (SCT) デコーダ (SCT) デコーダ) に対して、$|\mathcal{S}|$はチャネル状態の数を表す。 本稿では,提案アルゴリズムの性能を,メモリレスチャネルとメモリ付きチャネルで実証する。 実験結果は、SCおよびSCTデコーダによって与えられる最適極復号器と比較される。 さらに,SCデコーダやSCTデコーダが適用できない場合には,アルゴリズムが適用可能であることを示す。

関連論文リスト

• Data-Driven Symbol Detection for Intersymbol Interference Channels with Bursty Impulsive Noise [1.9462217839524345]
  我々は,シンボル間干渉(ISI)チャネルを経由した符号化伝送におけるデータ駆動トレリスに基づくソフトシンボル検出のための機械学習手法を開発した。 これにより、Bahl-Cocke-Jelinek-Raviv (BCJR)アルゴリズムに基づいて最適化された検出器を得ることができた。 我々は,HMMによる状態遷移を最適化しながら,NNが可能性の学習に使用されるハイブリッドNNとHMM BCJRの検出の可能性を実証した。
  論文  参考訳（メタデータ） (2024-05-17T14:35:09Z)
• 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)
• Hybrid HMM Decoder For Convolutional Codes By Joint Trellis-Like Structure and Channel Prior [17.239378478086163]
  畳み込み符号の再構成とビタビアルゴリズムによる復号化のための隠れマルコフモデル(HMM)を提案する。 モデルパラメータがチャネル状態情報(CSI)を含むため,本手法は標準手法よりも優れた誤差補正電位を提供する。 マルチパスチャネルでは、ハイブリッドHMMデコーダはハード・ディクシジョンとソフト・ディクシジョン・デコーダを用いて4.7dB、2dBの性能向上を達成することができる。
  論文  参考訳（メタデータ） (2022-10-26T14:30:17Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• 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)
• DRF Codes: Deep SNR-Robust Feedback Codes [2.6074034431152344]
  本稿では,DNN(Deep-neural-network)に基づく誤り訂正符号を提案する。 付加的な白色ガウス雑音 (AWGN) チャネルにおけるSNR損耗率と誤り率の両面から, DRF符号の精度は, 高い結果が得られた。
  論文  参考訳（メタデータ） (2021-12-22T10:47:25Z)
• Neural Distributed Source Coding [59.630059301226474]
  相関構造に依存せず,高次元までスケール可能な損失DSCのためのフレームワークを提案する。 提案手法は,複数のデータセット上で評価し,複雑な相関関係と最先端PSNRを扱えることを示す。
  論文  参考訳（メタデータ） (2021-06-05T04:50:43Z)
• End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence [38.518936229794214]
  我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。 我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。 実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
  論文  参考訳（メタデータ） (2020-09-03T09:10:16Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。