論文の概要: Optimization of Iterative Blind Detection based on Expectation Maximization and Belief Propagation

• arxiv url: http://arxiv.org/abs/2408.02312v1
• Date: Mon, 5 Aug 2024 08:45:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 14:06:30.540248
• Title: Optimization of Iterative Blind Detection based on Expectation Maximization and Belief Propagation
• Title（参考訳）: 期待の最大化と信頼の伝播に基づく反復的ブラインド検出の最適化
• Authors: Luca Schmid, Tomer Raviv, Nir Shlezinger, Laurent Schmalen,
• Abstract要約: ブロックフェーディング線形シンボルチャネルに対するブラインドシンボル検出法を提案する。 本研究では,研究予測アルゴリズムとユビキタスな信条伝搬アルゴリズムを組み合わせた共同チャネル推定・検出手法を設計する。 提案手法は,効率よく一般化したスケジュールを学習し,高信号対雑音シナリオにおけるコヒーレントBP検出よりも優れることを示す。
• 参考スコア（独自算出の注目度）: 29.114100423416204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study iterative blind symbol detection for block-fading linear inter-symbol interference channels. Based on the factor graph framework, we design a joint channel estimation and detection scheme that combines the expectation maximization (EM) algorithm and the ubiquitous belief propagation (BP) algorithm. Interweaving the iterations of both schemes significantly reduces the EM algorithm's computational burden while retaining its excellent performance. To this end, we apply simple yet effective model-based learning methods to find a suitable parameter update schedule by introducing momentum in both the EM parameter updates as well as in the BP message passing. Numerical simulations verify that the proposed method can learn efficient schedules that generalize well and even outperform coherent BP detection in high signal-to-noise scenarios.
• Abstract（参考訳）: ブロックフェディング線形シンボル間干渉チャネルに対する繰り返しブラインドシンボル検出法について検討した。 因子グラフフレームワークに基づいて,予測最大化(EM)アルゴリズムとユビキタス信念伝搬(BP)アルゴリズムを組み合わせた共同チャネル推定・検出手法を設計する。 両スキームの繰り返しをインターウィービングすることで、EMアルゴリズムの計算負担を著しく低減し、優れた性能を維持している。 そこで本研究では,EMパラメータ更新とBPメッセージパッシングの両方にモーメントを導入することで,パラメータ更新スケジュールの検索に,単純かつ効果的なモデルベース学習手法を適用した。 数値シミュレーションにより,提案手法は効率の良いスケジュールを学習し,高信号対雑音シナリオにおけるコヒーレントBP検出よりも優れることを確認した。

関連論文リスト

• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Blind Channel Estimation and Joint Symbol Detection with Data-Driven Factor Graphs [31.8050631698684]
  時間変化型シンボル間干渉チャネルにおけるブラインドジョイントチャネル推定およびシンボル検出のためのフレームワークの適用について検討する。 本稿では,適切な因子グラフ上の信念パラメータ(BP)アルゴリズムを用いて,後部伝播を効率よく近似することにより,この問題に対処する。 さらに,BP更新のモーメントを導入し,適切なEM更新スケジュールを学習するデータ駆動型アルゴリズムを提案する。 数値解析実験により、提案したブラインド検出器の優れた性能を示し、高信号対雑音のシナリオにおいてコヒーレントBP検出よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-23T10:26:15Z)
• Hyperparameter Estimation for Sparse Bayesian Learning Models [1.0172874946490507]
  Aparse Bayesian Learning (SBL) モデルは、信号処理や機械学習において、階層的な事前処理による疎結合を促進するために広く使われている。 本稿では,種々の目的関数に対するSBLモデルの改良のためのフレームワークを提案する。 信号雑音比において, 高い効率性を示す新しいアルゴリズムが導入された。
  論文  参考訳（メタデータ） (2024-01-04T21:24:01Z)
• Posterior Sampling with Delayed Feedback for Reinforcement Learning with Linear Function Approximation [62.969796245827006]
  Delayed-PSVI は楽観的な値に基づくアルゴリズムであり、後続サンプリングによる雑音摂動により値関数空間を探索する。 我々のアルゴリズムは、未知の遅延が存在する場合に、$widetildeO(sqrtd3H3 T + d2H2 E[tau]$最悪の後悔を実現する。 遅延LPSVIのための勾配に基づく近似サンプリングスキームをLangevin動的に組み込んだ。
  論文  参考訳（メタデータ） (2023-10-29T06:12:43Z)
• Representation Learning with Multi-Step Inverse Kinematics: An Efficient and Optimal Approach to Rich-Observation RL [106.82295532402335]
  既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。 所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。 我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
  論文  参考訳（メタデータ） (2023-04-12T14:51:47Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Deep learning via message passing algorithms based on belief propagation [2.931240348160871]
  本稿では,局所的なエントロピー分布に偏りを持つ強化場を有するBPベースのメッセージパッシングアルゴリズムのファミリについて述べる。 これらのアルゴリズムは、SGDにインスパイアされたソリューションに匹敵するパフォーマンスで、離散重みとアクティベーションを持つ多層ニューラルネットワークをトレーニングすることができる。
  論文  参考訳（メタデータ） (2021-10-27T16:52:26Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Tune smarter not harder: A principled approach to tuning learning rates for shallow nets [13.203765985718201]
  浅いフィードフォワードニューラルネットワークに対して,学習率を選択するための原則的アプローチを提案する。 シミュレーションにより,提案手法が既存のチューニング手法よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-22T09:38:35Z)
• Active Learning for Identification of Linear Dynamical Systems [12.056495277232118]
  アルゴリズムが達成した有限時間境界推定率を示す。 そこで本研究では,ノイズを発生させることによって得られるオーバレートを,アルゴリズムが確実に改善する事例をいくつか分析する。
  論文  参考訳（メタデータ） (2020-02-02T21:30:38Z)

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。