論文の概要: Coding for Gaussian Two-Way Channels: Linear and Learning-Based
Approaches
- arxiv url: http://arxiv.org/abs/2401.00477v1
- Date: Sun, 31 Dec 2023 12:40:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 17:06:37.739434
- Title: Coding for Gaussian Two-Way Channels: Linear and Learning-Based
Approaches
- Title(参考訳): gaussian two-way channelのコーディング:線形および学習に基づくアプローチ
- Authors: Junghoon Kim, Taejoon Kim, Anindya Bijoy Das, Seyyedali
Hosseinalipour, David J. Love, Christopher G. Brinton
- Abstract要約: 線形符号化と学習ベース符号化の2つの異なる双方向符号化方式を提案する。
学習に基づくコーディングには、新しいリカレントニューラルネットワーク(RNN)ベースのコーディングアーキテクチャを導入する。
我々の双方向符号化方式は、従来のチャネル符号化方式よりも格段に優れている。
- 参考スコア(独自算出の注目度): 28.98777190628006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although user cooperation cannot improve the capacity of Gaussian two-way
channels (GTWCs) with independent noises, it can improve communication
reliability. In this work, we aim to enhance and balance the communication
reliability in GTWCs by minimizing the sum of error probabilities via joint
design of encoders and decoders at the users. We first formulate general
encoding/decoding functions, where the user cooperation is captured by the
coupling of user encoding processes. The coupling effect renders the
encoder/decoder design non-trivial, requiring effective decoding to capture
this effect, as well as efficient power management at the encoders within power
constraints. To address these challenges, we propose two different two-way
coding strategies: linear coding and learning-based coding. For linear coding,
we propose optimal linear decoding and discuss new insights on encoding
regarding user cooperation to balance reliability. We then propose an efficient
algorithm for joint encoder/decoder design. For learning-based coding, we
introduce a novel recurrent neural network (RNN)-based coding architecture,
where we propose interactive RNNs and a power control layer for encoding, and
we incorporate bi-directional RNNs with an attention mechanism for decoding.
Through simulations, we show that our two-way coding methodologies outperform
conventional channel coding schemes (that do not utilize user cooperation)
significantly in sum-error performance. We also demonstrate that our linear
coding excels at high signal-to-noise ratios (SNRs), while our RNN-based coding
performs best at low SNRs. We further investigate our two-way coding strategies
in terms of power distribution, two-way coding benefit, different coding rates,
and block-length gain.
- Abstract(参考訳): ガウシアン双方向チャネル(GTWC)の独立ノイズによる能力向上は不可能であるが,通信信頼性の向上が期待できる。
本稿では,エンコーダとデコーダの結合設計による誤り確率の和を最小化し,gtwcsにおける通信信頼性の向上とバランスを図ることを目的とする。
まず,ユーザの協調をユーザエンコーディングプロセスの結合によって捉えた一般的なエンコーディング/復号関数を定式化する。
結合効果はエンコーダ/デコーダの設計を非自明にし、この効果を捉えるのに効果的なデコーダと、電力制約内のエンコーダの効率的な電力管理を必要とする。
これらの課題に対処するため,線形コーディングと学習ベースコーディングの2つの異なる双方向コーディング戦略を提案する。
線形符号化のために, 最適線形復号法を提案し, 信頼性のバランスをとるために, ユーザの協調に関する符号化に関する新たな知見を考察する。
次に,共同エンコーダ/デコーダ設計のための効率的なアルゴリズムを提案する。
学習ベースコーディングでは,インタラクティブなrnnと電力制御層を提案するrecurrent neural network (rnn)ベースのコーディングアーキテクチャを導入し,双方向のrnnをデコードのための注意機構として組み込む。
シミュレーションにより,提案手法は,従来のチャネル符号化方式(ユーザの協力を活用しない)をはるかに上回っていることを示す。
また、線形符号化は高信号対雑音比(SNR)で優れており、RNNベースの符号化は低SNRで最高であることを示す。
我々は、電力分布、双方向符号化の利点、異なる符号化レート、ブロック長ゲインの観点から、我々の双方向コーディング戦略をさらに調査する。
関連論文リスト
- Testing the Accuracy of Surface Code Decoders [55.616364225463066]
大規模でフォールトトレラントな量子計算は量子エラー訂正符号(QECC)によって実現される
本研究は,QECC復号方式の精度と有効性をテストするための最初の体系的手法である。
論文 参考訳(メタデータ) (2023-11-21T10:22:08Z) - Learned layered coding for Successive Refinement in the Wyner-Ziv
Problem [18.134147308944446]
本稿では,連続したソースのプログレッシブエンコーディングを明示的に学習するためのデータ駆動型アプローチを提案する。
この設定は、Wyner-Ziv符号問題の連続的な改善を指す。
我々は、RNNがスケーラブルなネスト量子化と同様の層状ビニングソリューションを明示的に検索できることを実証した。
論文 参考訳(メタデータ) (2023-11-06T12:45:32Z) - Practical Conformer: Optimizing size, speed and flops of Conformer for
on-Device and cloud ASR [67.63332492134332]
我々は、デバイス上の制約を満たすのに十分小さく、TPUを高速に推論できる最適化されたコンバータを設計する。
提案するエンコーダは、デバイス上では強力なスタンドアロンエンコーダとして、また高性能なASRパイプラインの第1部として利用することができる。
論文 参考訳(メタデータ) (2023-03-31T23:30:48Z) - 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) - Rate Coding or Direct Coding: Which One is Better for Accurate, Robust,
and Energy-efficient Spiking Neural Networks? [4.872468969809081]
スパイキングニューラルネットワーク(SNN)は画像分類タスクに重点を置いているため、画像を時間的バイナリスパイクに変換するための様々なコーディング技術が提案されている。
これらのうち、レートコーディングとダイレクトコーディングは、実用的なSNNシステムを構築するための候補として期待されている。
我々は3つの視点から2つの符号化を包括的に分析する。
論文 参考訳(メタデータ) (2022-01-31T16:18:07Z) - Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。
本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。
我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
論文 参考訳(メタデータ) (2021-12-21T19:14:44Z) - Infomax Neural Joint Source-Channel Coding via Adversarial Bit Flip [41.28049430114734]
本稿では、ニューラルジョイント・ソース・チャネル符号化方式の安定性と堅牢性を改善するために、Infomax Adversarial-Bit-Flip (IABF) と呼ばれる新しい正規化手法を提案する。
我々のIABFは、圧縮と誤り訂正のベンチマークの両方で最先端のパフォーマンスを達成でき、ベースラインをかなりの差で上回ることができる。
論文 参考訳(メタデータ) (2020-04-03T10:00:02Z)
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。