Fugu-MT 論文翻訳(概要): Non-linear Equalization in 112 Gb/s PONs Using Kolmogorov-Arnold Networks

論文の概要: Non-linear Equalization in 112 Gb/s PONs Using Kolmogorov-Arnold Networks

arxiv url: http://arxiv.org/abs/2411.19631v1
Date: Fri, 29 Nov 2024 11:30:02 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-02 15:18:38.796199
Title: Non-linear Equalization in 112 Gb/s PONs Using Kolmogorov-Arnold Networks
Title（参考訳）: Kolmogorov-Arnoldネットワークを用いた112Gb/s PONの非線形等化
Authors: Rodrigo Fischer, Patrick Matalla, Sebastian Randel, Laurent Schmalen,
Abstract要約: 我々は112Gb/s PAM4パッシブ光ネットワーク(PON)の非線形等化のためのコルモゴロフ・アルノルドネットワーク(KAN)について検討する。線形等化器や畳み込みニューラルネットワークよりも計算量が少ない。
参考スコア（独自算出の注目度）: 4.054486015338005
License:
Abstract: We investigate Kolmogorov-Arnold networks (KANs) for non-linear equalization of 112 Gb/s PAM4 passive optical networks (PONs). Using pruning and extensive hyperparameter search, we outperform linear equalizers and convolutional neural networks at low computational complexity.
Abstract（参考訳）: 本稿では,112Gb/s PAM4パッシブ光ネットワーク(PON)の非線形等化のためのKAN(Kolmogorov-Arnold Network)について検討する。プルーニングと高パラメータ探索により、線形等化器や畳み込みニューラルネットワークよりも計算量が少ない。

関連論文リスト

Advanced Equalization in 112 Gb/s Upstream PON Using a Novel Fourier Convolution-based Network [2.347521140387242]
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。
論文参考訳（メタデータ） (2024-05-04T08:33:24Z)
Fully-blind Neural Network Based Equalization for Severe Nonlinear Distortions in 112 Gbit/s Passive Optical Networks [6.081142345739704]
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。
論文参考訳（メタデータ） (2024-01-17T20:00:16Z)
Non Commutative Convolutional Signal Models in Neural Networks: Stability to Small Deformations [111.27636893711055]
非可換畳み込みフィルタのフィルタ特性と安定性について検討する。この結果は,グループニューラルネットワーク,マルチグラフニューラルネットワーク,四元系ニューラルネットワークに直接影響する。
論文参考訳（メタデータ） (2023-10-05T20:27:22Z)
Gradient Descent in Neural Networks as Sequential Learning in RKBS [63.011641517977644]
初期重みの有限近傍にニューラルネットワークの正確な電力系列表現を構築する。幅にかかわらず、勾配降下によって生成されたトレーニングシーケンスは、正規化された逐次学習によって正確に複製可能であることを証明した。
論文参考訳（メタデータ） (2023-02-01T03:18:07Z)
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)
Generalization Error Bounds for Iterative Recovery Algorithms Unfolded as Neural Networks [6.173968909465726]
線形測定の少ないスパース再構成に適したニューラルネットワークの一般クラスを導入する。層間の重量共有を広範囲に行うことで、全く異なるニューラルネットワークタイプに対する統一的な分析を可能にします。
論文参考訳（メタデータ） (2021-12-08T16:17:33Z)
LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
論文参考訳（メタデータ） (2021-03-01T03:10:11Z)
Spline parameterization of neural network controls for deep learning [0.0]
我々は、ニューラルネットワークの訓練可能なパラメータである係数の固定数のBスプライン基底関数を選択する。スプラインベースのニューラルネットワークがハイパーパラメータに対する学習問題の堅牢性を高めることを数値的に示す。
論文参考訳（メタデータ） (2021-02-27T19:35:45Z)
Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文参考訳（メタデータ） (2020-11-17T12:52:18Z)
WrapNet: Neural Net Inference with Ultra-Low-Resolution Arithmetic [57.07483440807549]
ニューラルネットワークをアキュムレータの低分解能(8ビット)加算に適応させ,32ビットのアキュムレータに匹敵する分類精度を実現する手法を提案する。ソフトウェアプラットフォームとハードウェアプラットフォームの両方において、我々のアプローチの有効性を実証する。
論文参考訳（メタデータ） (2020-07-26T23:18:38Z)
Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文参考訳（メタデータ） (2020-07-02T17:55:47Z)

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。