Fugu-MT 論文翻訳(概要): Fully-blind Neural Network Based Equalization for Severe Nonlinear Distortions in 112 Gbit/s Passive Optical Networks

論文の概要: Fully-blind Neural Network Based Equalization for Severe Nonlinear Distortions in 112 Gbit/s Passive Optical Networks

arxiv url: http://arxiv.org/abs/2401.09579v1
Date: Wed, 17 Jan 2024 20:00:16 GMT
ステータス: 処理完了
システム内更新日: 2024-01-19 18:31:35.504467
Title: Fully-blind Neural Network Based Equalization for Severe Nonlinear Distortions in 112 Gbit/s Passive Optical Networks
Title（参考訳）: フルブリンドニューラルネットワークによる112gbit/s受動光ネットワークにおける重度非線形歪みの等化
Authors: Vincent Lauinger, Patrick Matalla, Jonas Ney, Norbert Wehn, Sebastian Randel, and Laurent Schmalen
Abstract要約: 我々は100Gパッシブ光ネットワーク(PON)のための全盲デジタル信号処理(DSP)チェーンの実証と評価を行った。我々は、ハードウェアの複雑さが低いニューラルネットワークに基づいて、異なる等化器トポロジを解析する。
参考スコア（独自算出の注目度）: 6.081142345739704
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We demonstrate and evaluate a fully-blind digital signal processing (DSP) chain for 100G passive optical networks (PONs), and analyze different equalizer topologies based on neural networks with low hardware complexity.
Abstract（参考訳）: 100gパッシブ光ネットワーク(pons)のための完全盲検ディジタル信号処理(dsp)チェーンを実証評価し,ハードウェアの複雑さの低いニューラルネットワークに基づいて,異なるイコライザトポロジを解析した。

関連論文リスト

1-bit Quantized On-chip Hybrid Diffraction Neural Network Enabled by Authentic All-optical Fully-connected Architecture [4.594367761345624]
本研究では,行列乗算をDNNに組み込んだ新しいアーキテクチャであるHybrid Diffraction Neural Network(HDNN)を紹介する。特異位相変調層と振幅変調層を用いて、トレーニングされたニューラルネットワークは、数字認識タスクにおいて96.39%と89%の顕著な精度を示した。
論文参考訳（メタデータ） (2024-04-11T02:54:17Z)
Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文参考訳（メタデータ） (2022-06-29T19:03:10Z)
Towards FPGA Implementation of Neural Network-Based Nonlinearity Mitigation Equalizers in Coherent Optical Transmission Systems [3.2482344354758723]
FPGAでは、非線形性補償のためのリカレントおよびフィードフォワードニューラルネットワークベースの等化器が実装されている。 NNベースの等化器は1ステップ当たりのDBPよりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-24T09:41:26Z)
Single-Shot Optical Neural Network [55.41644538483948]
深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
論文参考訳（メタデータ） (2022-05-18T17:49:49Z)
Gated Recurrent Unit based Autoencoder for Optical Link Fault Diagnosis in Passive Optical Networks [0.0]
受動光ネットワークにおけるファイバ故障の同定と局所化のための深層学習手法を提案する。実験の結果,提案手法は97%の精度で断層を検知し, RMSE0.18mでピンポイントし, 従来の手法より優れていた。
論文参考訳（メタデータ） (2022-03-19T09:26:07Z)
Dynamic Slimmable Denoising Network [64.77565006158895]
DDSNet(Dynamic Slimmable Denoising Network)は、計算量が少なくて優れたDenoising品質を実現するための一般的な手法である。 OurNetには動的ゲートによる動的推論の能力が備わっている。我々の実験は、最先端の個別に訓練された静的 denoising ネットワークよりも一貫して優れています。
論文参考訳（メタデータ） (2021-10-17T22:45:33Z)
Experimental Evaluation of Computational Complexity for Different Neural Network Equalizers in Optical Communications [2.085681052464444]
いくつかのニューラルネットワークアーキテクチャの比較分析を行うことで、パフォーマンスと複雑性のトレードオフを定量化する。本稿では,TWC と SSMF のセットアップ結果について述べる。
論文参考訳（メタデータ） (2021-09-17T18:31:58Z)
Formalizing Generalization and Robustness of Neural Networks to Weight Perturbations [58.731070632586594]
非負のモノトーンアクティベーション機能を備えたフィードフォワードニューラルネットワークの重量変動に対する最初の形式解析を提供します。また,重みの摂動に対して一般化し頑健なニューラルネットワークを訓練するための新しい理論駆動損失関数を設計した。
論文参考訳（メタデータ） (2021-03-03T06:17:03Z)
Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文参考訳（メタデータ） (2020-12-31T18:53:25Z)
Neural Network Approximation of Graph Fourier Transforms for Sparse Sampling of Networked Flow Dynamics [13.538871180763156]
水分配ネットワーク(WDN)は、複雑なカスケード力学を持つ大規模ネットワーククリティカルシステムであり、予測が難しい。既存のアプローチでは、最小限の監視ポイントを見つけるために、多目的最適化を使用しているが、性能保証や理論的な枠組みが欠如している。そこで我々はまず,ネットワーク汚染拡散ダイナミクスを圧縮し,本質的なデータ収集点を推論性能保証とともに同定するグラフフーリエ変換(GFT)演算子を開発した。次に、自動エンコーダ(AE)にインスパイアされたニューラルネットワーク(NN)を構築し、GFTサンプリングプロセスを一般化し、初期からさらにアンダーサンプリングする。
論文参考訳（メタデータ） (2020-02-11T20:18:37Z)

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。