Fugu-MT 論文翻訳(概要): NNCTC: Physical Layer Cross-Technology Communication via Neural Networks

論文の概要: NNCTC: Physical Layer Cross-Technology Communication via Neural Networks

arxiv url: http://arxiv.org/abs/2403.10014v1
Date: Fri, 15 Mar 2024 04:36:44 GMT
ステータス: 処理完了
システム内更新日: 2024-03-18 18:38:56.676706
Title: NNCTC: Physical Layer Cross-Technology Communication via Neural Networks
Title（参考訳）: NNCTC:ニューラルネットワークによる物理層間通信
Authors: Haoyu Wang, Jiazhao Wang, Demin Gao, Wenchao Jiang,
Abstract要約: 技術間通信は、多様な無線技術間のシームレスな相互作用を可能にする。 NNCTCは、無線通信におけるトレーニング可能なニューラルモデルの適応性に着想を得たニューラルネットワークベースのクロステクノロジー通信フレームワークである。
参考スコア（独自算出の注目度）: 5.316403200445237
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cross-technology communication(CTC) enables seamless interactions between diverse wireless technologies. Most existing work is based on reversing the transmission path to identify the appropriate payload to generate the waveform that the target devices can recognize. However, this method suffers from many limitations, including dependency on specific technologies and the necessity for intricate algorithms to mitigate distortion. In this work, we present NNCTC, a Neural-Network-based Cross-Technology Communication framework inspired by the adaptability of trainable neural models in wireless communications. By converting signal processing components within the CTC pipeline into neural models, the NNCTC is designed for end-to-end training without requiring labeled data. This enables the NNCTC system to autonomously derive the optimal CTC payload, which significantly eases the development complexity and showcases the scalability potential for various CTC links. Particularly, we construct a CTC system from Wi-Fi to ZigBee. The NNCTC system outperforms the well-recognized WEBee and WIDE design in error performance, achieving an average packet reception rate(PRR) of 92.3% and an average symbol error rate(SER) as low as 1.3%.
Abstract（参考訳）: クロステクノロジー通信(CTC)は、多様な無線技術間のシームレスな相互作用を可能にする。既存の作業の多くは、送信経路を反転して適切なペイロードを特定し、ターゲットデバイスが認識できる波形を生成することに基づいている。しかし、この手法には、特定の技術への依存や、歪みを軽減するための複雑なアルゴリズムの必要性など、多くの制限がある。本研究では,無線通信におけるトレーニング可能なニューラルモデルの適応性に触発されたニューラルネットワークベースのクロステクノロジー通信フレームワークであるNCTCを紹介する。 CTCパイプライン内の信号処理コンポーネントをニューラルモデルに変換することで、NCTCはラベル付きデータを必要としないエンドツーエンドのトレーニング用に設計されている。これにより、NCTCシステムは最適なCTCペイロードを自律的に導出することができ、開発複雑性を大幅に緩和し、様々なCTCリンクのスケーラビリティの可能性を示す。特に,Wi-FiからZigBeeへのCTCシステムを構築する。 NNCTCシステムは、よく認識されたWEBeeとWIDEの設計をエラー性能で上回り、平均パケット受信率(PRR)は92.3%、平均シンボルエラー率(SER)は1.3%である。

関連論文リスト

Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
論文参考訳（メタデータ） (2024-11-07T14:08:35Z)
DCNv3: Towards Next Generation Deep Cross Network for CTR Prediction [17.19859591493946]
本稿では,次世代のディープクロスネットワークであるディープクロスネットワークv3(DCNv3)と,CTR予測のための2つのサブネットワークであるリニアクロスネットワーク(LCN)と指数クロスネットワーク(ECN)を提案する。 6つのデータセットに関する総合的な実験は、DCNv3の有効性、効率、解釈可能性を示している。
論文参考訳（メタデータ） (2024-07-18T09:49:13Z)
OpTC -- A Toolchain for Deployment of Neural Networks on AURIX TC3xx Microcontrollers [2.051709733623628]
AURIX 2xxおよび3xxシリーズのTriCoreマイクロコントローラは自動車業界で広く使われている。 OpTCは、TCL3xxマイクロコントローラ上のニューラルネットワークの自動圧縮、変換、コード生成、デプロイのためのエンドツーエンドツールチェーンである。
論文参考訳（メタデータ） (2024-04-24T12:11:33Z)
TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
論文参考訳（メタデータ） (2024-04-15T06:01:48Z)
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)
Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
論文参考訳（メタデータ） (2024-03-21T02:33:37Z)
Deep Joint Source-Channel Coding for Efficient and Reliable Cross-Technology Communication [7.133814048121873]
クロステクノロジー通信(CTC)は、非互換無線技術間の直接通信を可能にする有望な技術である。本稿では,効率よく信頼性の高いCTCを実現するためのディープジョイント・ソースチャネル符号化方式を提案する。
論文参考訳（メタデータ） (2024-01-26T04:55:37Z)
ClST: A Convolutional Transformer Framework for Automatic Modulation Recognition by Knowledge Distillation [23.068233043023834]
本稿では、畳み込み結合型信号変換器(ClST)という新しいニューラルネットワークと、信号知識蒸留(SKD)という新しい知識蒸留法を提案する。 SKDは、ニューラルネットワークのパラメータと複雑さを効果的に削減する知識蒸留法である。我々は、SKDアルゴリズムであるKD-CNNとKD-MobileNetを使って、2つの軽量ニューラルネットワークをトレーニングし、ニューラルネットワークを小型デバイスで使用できるという要求を満たす。
論文参考訳（メタデータ） (2023-12-29T03:01:46Z)
Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文参考訳（メタデータ） (2023-04-25T00:15:00Z)
Semantic Communication Enabling Robust Edge Intelligence for Time-Critical IoT Applications [87.05763097471487]
本稿では、時間クリティカルなIoTアプリケーションのためのセマンティック通信を用いて、堅牢なエッジインテリジェンスを設計することを目的とする。本稿では,画像DCT係数が推定精度に与える影響を解析し,オフロードのためのチャネル非依存の有効性符号化を提案する。
論文参考訳（メタデータ） (2022-11-24T20:13:17Z)
Impact of On-Chip Interconnect on In-Memory Acceleration of Deep Neural Networks [11.246977770747526]
接続密度の増加はチップ上のデータ移動を増加させる。本稿では,P2Pベースの相互接続が,チップ上の大量のデータ移動を処理できないことを示す。任意のDNNに対して最適な相互接続を選択する手法を提案する。
論文参考訳（メタデータ） (2021-07-06T02:44:00Z)

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。