Fugu-MT 論文翻訳(概要): Advanced Equalization in 112 Gb/s Upstream PON Using a Novel Fourier Convolution-based Network

論文の概要: Advanced Equalization in 112 Gb/s Upstream PON Using a Novel Fourier Convolution-based Network

arxiv url: http://arxiv.org/abs/2405.02609v1
Date: Sat, 4 May 2024 08:33:24 GMT
ステータス: 処理完了
システム内更新日: 2024-05-07 19:10:59.462869
Title: Advanced Equalization in 112 Gb/s Upstream PON Using a Novel Fourier Convolution-based Network
Title（参考訳）: 新しいフーリエ畳み込みネットワークを用いた112Gb/s上流PONの高度等化
Authors: Chen Shao, Elias Giacoumidis, Patrick Matalla, Jialei Li, Shi Li, Sebastian Randel, Andre Richter, Michael Faerber, Tobias Kaefer,
Abstract要約: 本稿では,112Gb/s上流PAM4-PONに対して,FConvNetに基づく新しい低複雑性フーリエ畳み込みネットワーク(FConvNet)を実験的に実証する。 FConvNetは、0.005のBERにおいて、51tap Sato等化器とベンチマーク機械学習アルゴリズムと比較して、受信感度を2dBと1dBに向上させる。
参考スコア（独自算出の注目度）: 2.347521140387242
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We experimentally demonstrate a novel, low-complexity Fourier Convolution-based Network (FConvNet) based equalizer for 112 Gb/s upstream PAM4-PON. At a BER of 0.005, FConvNet enhances the receiver sensitivity by 2 and 1 dB compared to a 51-tap Sato equalizer and benchmark machine learning algorithms respectively.
Abstract（参考訳）: 本稿では,112Gb/s上流PAM4-PONに対して,FConvNetに基づく新しい低複雑性フーリエ畳み込みネットワーク(FConvNet)を実験的に実証する。 FConvNetは、0.005のBERにおいて、51tap Sato等化器とベンチマーク機械学習アルゴリズムと比較して、受信感度を2dBと1dBに向上させる。

関連論文リスト

A Novel Machine Learning-based Equalizer for a Downstream 100G PAM-4 PON [2.625249812021009]
28.7dBパス損失を有する下流100G PONに対して、周波数校正SCINet等化器を提案する。 FC-SCINetは5kmで、FFEとDNNの10.57%のDNNに比べて、BERを88.87%改善している。
論文参考訳（メタデータ） (2024-04-25T19:04:15Z)
Implementing Neural Network-Based Equalizers in a Coherent Optical Transmission System Using Field-Programmable Gate Arrays [3.1543509940301946]
我々は、コヒーレント光伝送システムにおける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(NN)ベースの等化器のオフラインFPGA実現について述べる。主な結果は、性能比較、アクティベーション関数の実装方法の分析、ハードウェアの複雑さに関するレポートの3つに分けられる。
論文参考訳（メタデータ） (2022-12-09T07:28:45Z)
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)
Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文参考訳（メタデータ） (2022-05-22T12:16:43Z)
Win the Lottery Ticket via Fourier Analysis: Frequencies Guided Network Pruning [50.232218214751455]
最適ネットワークプルーニングは、数学的にはNPハード問題である非自明なタスクである。本稿では,MBP(Magnitude-Based Pruning)方式について検討し,新しい視点から解析する。また,新たな2段階プルーニング手法を提案し,その1段階はプルーニングネットワークのトポロジ的構造を取得し,もう1段階はプルーニングネットワークを再訓練し,キャパシティを回復させる。
論文参考訳（メタデータ） (2022-01-30T03:42:36Z)
Functional Regularization for Reinforcement Learning via Learned Fourier Features [98.90474131452588]
本稿では、入力を学習されたフーリエベースに埋め込むことにより、深層強化学習のための簡単なアーキテクチャを提案する。その結果、状態ベースと画像ベースの両方のRLのサンプル効率が向上することがわかった。
論文参考訳（メタデータ） (2021-12-06T18:59:52Z)
NANCY: Neural Adaptive Network Coding methodologY for video distribution over wireless networks [1.636104578028594]
NANCYは、ビデオおよび適応ネットワーク符号化レート(ANCR)のための適応ビットレート(ABR)を生成するシステムである。 NANCYは、QoE(Quality of Experience)メトリクスとして定式化された報酬でニューラルネットワークモデルをトレーニングする。その結果,NANCYはペンシーブやロバストMPCよりも平均QoEが29.91%,60.34%高い値を示した。
論文参考訳（メタデータ） (2020-08-21T15:55:32Z)
Improving Stability of LS-GANs for Audio and Speech Signals [70.15099665710336]
このベクトル空間で計算された正規性からジェネレータ最適化の定式化への切り離しの符号化は、より包括的な分光図を作成するのに役立つことを示す。本手法をベースラインGANと比較してモード崩壊の少ないトレーニングにおける安定性向上に有効であることを示す。
論文参考訳（メタデータ） (2020-08-12T17:41:25Z)
Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。信号対雑音比が25未満の信号に対する感度は6因子改善した。保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文参考訳（メタデータ） (2020-06-02T10:20:11Z)
End-to-End Multi-speaker Speech Recognition with Transformer [88.22355110349933]
音声認識モデルにおけるRNNベースのエンコーダデコーダをトランスフォーマーアーキテクチャに置き換える。また、計算量を削減するために、シーケンス全体ではなくセグメントに制限されるセルフアテンションコンポーネントを変更します。
論文参考訳（メタデータ） (2020-02-10T16:29:26Z)

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。