論文の概要: THEA-Code: an Autoencoder-Based IDS-correcting Code for DNA Storage

• arxiv url: http://arxiv.org/abs/2407.18929v1
• Date: Wed, 10 Jul 2024 06:52:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 01:16:13.064859
• Title: THEA-Code: an Autoencoder-Based IDS-correcting Code for DNA Storage
• Title（参考訳）: THEA-Code:DNA保存のためのオートエンコーダベースのIDS訂正コード
• Authors: Alan J. X. Guo, Mengyi Wei, Yufan Dai, Yali Wei, Pengchen Zhang,
• Abstract要約: IDS訂正符号における最適解の追求は、理論と工学の両方の観点から関心を惹きつける、オープンな課題である。 自動エンコーダをIDS訂正コードとしてデプロイする際の課題を解決するため,識別可能なIDSチャネル,コードワード上のエントロピー制約,ソースシーケンスの補助的再構築など,革新的な手法を提案する。 これらの戦略は、オートエンコーダの収束の成功に寄与し、深い学習ベースのIDS補正コードと予測可能なパフォーマンスをもたらす。
• 参考スコア（独自算出の注目度）: 1.4272256806865107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The insertion, deletion, substitution (IDS) correcting code has garnered increased attention due to significant advancements in DNA storage that emerged recently. Despite this, the pursuit of optimal solutions in IDS-correcting codes remains an open challenge, drawing interest from both theoretical and engineering perspectives. This work introduces a pioneering approach named THEA-code. The proposed method follows a heuristic idea of employing an end-to-end autoencoder for the integrated encoding and decoding processes. To address the challenges associated with deploying an autoencoder as an IDS-correcting code, we propose innovative techniques, including the differentiable IDS channel, the entropy constraint on the codeword, and the auxiliary reconstruction of the source sequence. These strategies contribute to the successful convergence of the autoencoder, resulting in a deep learning-based IDS-correcting code with commendable performance. Notably, THEA-Code represents the first instance of a deep learning-based code that is independent of conventional coding frameworks in the IDS-correcting domain. Comprehensive experiments, including an ablation study, provide a detailed analysis and affirm the effectiveness of THEA-Code.
• Abstract（参考訳）: 挿入、削除、置換(IDS)補正符号は、最近出現したDNA保存の大幅な進歩により、注目を集めている。 それにもかかわらず、IDS訂正符号における最適解の追求は、理論と工学の両方の観点から関心を惹きつける、オープンな課題である。 この研究はTheA-codeという先駆的なアプローチを導入している。 提案手法は、エンド・ツー・エンドのオートエンコーダを統合符号化および復号処理に利用するというヒューリスティックな考え方に従う。 自動エンコーダをIDS訂正コードとしてデプロイする際の課題を解決するため,識別可能なIDSチャネル,コードワード上のエントロピー制約,ソースシーケンスの補助的再構築など,革新的な手法を提案する。 これらの戦略は、オートエンコーダの収束の成功に寄与し、深い学習ベースのIDS補正コードと予測可能なパフォーマンスをもたらす。 特に、TheA-Codeは、IDS修正ドメインにおける従来のコーディングフレームワークとは独立して、ディープラーニングベースのコードの最初の例である。 アブレーション研究を含む総合的な実験は、詳細な分析を行い、TheA-Codeの有効性を確認します。

関連論文リスト

• Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
  低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。 提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-06-09T12:08:56Z)
• Learning Linear Block Error Correction Codes [62.25533750469467]
  本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。 また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-07T06:47:12Z)
• DoDo-Code: a Deep Levenshtein Distance Embedding-based Code for IDS Channel and DNA Storage [5.974644083956271]
  DoDo-Codeは、Levenshtein距離のディープ埋め込み、ディープ埋め込みベースのコードワード検索、ディープ埋め込みベースのセグメント修正を含むIDS訂正コードである。 DoDo-Codeは、可算深層学習法を用いて設計された最初のIDS訂正コードである。
  論文  参考訳（メタデータ） (2023-12-20T02:22:54Z)
• Delta Denoising Score [51.98288453616375]
  テキストベースの画像編集のための新しいスコアリング機能であるDelta Denoising Score (DDS)を紹介する。 ターゲットプロンプトに記述された内容に対して、入力画像の最小限の変更を導く。
  論文  参考訳（メタデータ） (2023-04-14T12:22:41Z)
• DUIDD: Deep-Unfolded Interleaved Detection and Decoding for MIMO Wireless Systems [25.372069988747114]
  繰り返し検出・復号化(IDD)は、マルチアンテナ無線システムにおいて、ほぼキャパシティ性能を実現することが知られている。 我々は,IDDの複雑さを低減しつつ,エラー率をさらに低くする新たなパラダイムであるdeep-Unfolded Interleaved Detection and Decoding (DUIDD)を提案する。
  論文  参考訳（メタデータ） (2022-12-15T13:32:36Z)
• Hybrid HMM Decoder For Convolutional Codes By Joint Trellis-Like Structure and Channel Prior [17.239378478086163]
  畳み込み符号の再構成とビタビアルゴリズムによる復号化のための隠れマルコフモデル(HMM)を提案する。 モデルパラメータがチャネル状態情報(CSI)を含むため,本手法は標準手法よりも優れた誤差補正電位を提供する。 マルチパスチャネルでは、ハイブリッドHMMデコーダはハード・ディクシジョンとソフト・ディクシジョン・デコーダを用いて4.7dB、2dBの性能向上を達成することができる。
  論文  参考訳（メタデータ） (2022-10-26T14:30:17Z)
• 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)
• FAID Diversity via Neural Networks [23.394836086114413]
  LDPC(Low-Density Parity Check)符号のための有限アルファベット反復デコーダ(FAID)のデコーダの多様性を設計する新しいアプローチを提案する。 提案するデコーダの多様性は、繰り返し量子化ニューラルネットワーク(RQNN)をトレーニングしてFAIDを学習・設計することで達成される。
  論文  参考訳（メタデータ） (2021-05-10T05:14:42Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。