Fugu-MT 論文翻訳(概要): Energy-efficient Spiking Neural Network Equalization for IM/DD Systems with Optimized Neural Encoding

論文の概要: Energy-efficient Spiking Neural Network Equalization for IM/DD Systems with Optimized Neural Encoding

arxiv url: http://arxiv.org/abs/2312.12909v1
Date: Wed, 20 Dec 2023 10:45:24 GMT
ステータス: 処理完了
システム内更新日: 2023-12-21 16:05:35.160995
Title: Energy-efficient Spiking Neural Network Equalization for IM/DD Systems with Optimized Neural Encoding
Title（参考訳）: 最適化ニューラルエンコーディングを用いたIM/DDシステムのエネルギー効率・スパイクニューラルネットワーク等化
Authors: Alexander von Bank, Eike-Manuel Edelmann, Laurent Schmalen
Abstract要約: スパイクニューラルネットワークに基づくIM/DDシステムのエネルギー効率の等化器を提案する。エネルギー消費を低減しつつ、等化器の性能を高めるニューラルスパイク符号化を最適化する。
参考スコア（独自算出の注目度）: 53.909333359654276
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose an energy-efficient equalizer for IM/DD systems based on spiking neural networks. We optimize a neural spike encoding that boosts the equalizer's performance while decreasing energy consumption.
Abstract（参考訳）: スパイクニューラルネットワークに基づくIM/DDシステムのエネルギー効率等化器を提案する。エネルギー消費を低減しつつ、イコライザの性能を高める神経スパイク符号化を最適化する。

関連論文リスト

sVAD: A Robust, Low-Power, and Light-Weight Voice Activity Detection with Spiking Neural Networks [51.516451451719654]
スパイキングニューラルネットワーク(SNN)は生物学的に妥当で、電力効率が高いことが知られている。本稿では sVAD と呼ばれる新しい SNN ベースの音声活動検出モデルを提案する。 SincNetと1D畳み込みによる効果的な聴覚特徴表現を提供し、アテンション機構による雑音の堅牢性を向上させる。
論文参考訳（メタデータ） (2024-03-09T02:55:44Z)
Asynchronous Bioplausible Neuron for SNN for Event Vision [1.7942265700058986]
Spiking Neural Networks (SNN) は、生物学的にインスパイアされたコンピュータビジョンのアプローチを提供する。 ABN(Asynchronous Bioplausible Neuron)は、入力信号の変動を自動的に調整する動的スパイク発火機構である。様々なデータセットの包括的評価は、画像分類とセグメンテーションにおけるABNの強化された性能を示す。
論文参考訳（メタデータ） (2023-11-20T15:45:16Z)
Spiking-LEAF: A Learnable Auditory front-end for Spiking Neural Networks [53.31894108974566]
Spiking-LEAFは、SNNベースの音声処理用に慎重に設計された学習可能な聴覚フロントエンドである。キーワードスポッティングと話者識別タスクにおいて、提案したSpking-LEAFは、聴覚フロントエンドのSOTAよりも優れている。
論文参考訳（メタデータ） (2023-09-18T04:03:05Z)
Spiking Neural Network Decision Feedback Equalization for IM/DD Systems [70.3497683558609]
様々なパラメータを持つIM/DDリンクに、決定フィードバック構造を有するスパイキングニューラルネットワーク(SNN)等化器を適用する。 SNNは、線形および人工ニューラルネットワーク(ANN)ベースの等化器よりも優れている。
論文参考訳（メタデータ） (2023-04-27T12:49:31Z)
Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
論文参考訳（メタデータ） (2022-11-09T09:19:15Z)
Spiking Neural Network Equalization for IM/DD Optical Communication [0.0]
スパイキングニューラルネットワーク(SNN)等化器は、IM/DDリンク用に設計されている。 SNNは、人工知能ニューラルネットワークと同じビットエラーレートを達成し、線形等化よりも優れる。
論文参考訳（メタデータ） (2022-05-09T13:30:55Z)
Optimizing the Consumption of Spiking Neural Networks with Activity Regularization [15.317534913990633]
スパイキングニューラルネットワーク(英: Spiking Neural Networks、SNN)は、二元活性化を用いてエネルギーを節約し、スパイクしないときにエネルギーを消費しないバイオインスパイアされた技術の例である。本研究では、ニューラルネットワークの活性化マップに疎結合を強制するための異なる手法を検討し、最適化されたDNNとSNNの効率に対する異なるトレーニング正規化器の効果を比較する。
論文参考訳（メタデータ） (2022-04-04T13:19:47Z)
Stochastic Markov Gradient Descent and Training Low-Bit Neural Networks [77.34726150561087]
本稿では,量子化ニューラルネットワークのトレーニングに適用可能な離散最適化手法であるGradient Markov Descent (SMGD)を紹介する。アルゴリズム性能の理論的保証と数値的な結果の促進を提供する。
論文参考訳（メタデータ） (2020-08-25T15:48:15Z)
Effective and Efficient Computation with Multiple-timescale Spiking Recurrent Neural Networks [0.9790524827475205]
本稿では,新しいタイプの適応スパイクリカレントニューラルネットワーク(SRNN)が,最先端の性能を実現する方法を示す。我々は、従来のRNNよりも難しいタスクにおいて、SRNNの100倍のエネルギー改善を計算します。
論文参考訳（メタデータ） (2020-05-24T01:04:53Z)

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。