Fugu-MT 論文翻訳(概要): Neural Probabilistic Shaping: Joint Distribution Learning for Optical Fiber Communications

論文の概要: Neural Probabilistic Shaping: Joint Distribution Learning for Optical Fiber Communications

arxiv url: http://arxiv.org/abs/2507.16012v1
Date: Mon, 21 Jul 2025 19:21:51 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-23 21:34:13.861425
Title: Neural Probabilistic Shaping: Joint Distribution Learning for Optical Fiber Communications
Title（参考訳）: ニューラル確率整形:光ファイバー通信のための連系分布学習
Authors: Mohammad Taha Askari, Lutz Lampe, Amirhossein Ghazisaeidi,
Abstract要約: 非線形ファイバーチャネル上での確率的形状形成のための自己回帰型エンドツーエンド学習手法を提案する。提案方式は, 結合シンボル分布を学習し, 両極化64-QAM伝送の最適化限界分布よりも0.3bits/2Dの達成可能な情報レートを, 単一スパン205kmのリンク上で提供する。
参考スコア（独自算出の注目度）: 8.184714897613164
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We present an autoregressive end-to-end learning approach for probabilistic shaping on nonlinear fiber channels. Our proposed scheme learns the joint symbol distribution and provides a 0.3-bits/2D achievable information rate gain over an optimized marginal distribution for dual-polarized 64-QAM transmission over a single-span 205 km link.
Abstract（参考訳）: 非線形ファイバーチャネル上での確率的形状形成のための自己回帰型エンドツーエンド学習手法を提案する。提案手法は, 結合シンボル分布を学習し, 両極化64-QAM伝送の最適化限界分布に対して0.3bits/2Dの達成可能な情報レートを, 単一スパン205kmのリンク上で提供する。

関連論文リスト

Generative Lines Matching Models [2.6089354079273512]
本研究では,2つの分布を補間する全直線に一致した新しい確率フローモデルを提案する。その結果,LMMが生成する流れ場は時間的整合性に優れ,直線性スコアの優れた軌道が得られた。全体として、LMMは確立されたベンチマークデータセット上で、最小限のNFEで最先端のFIDスコアを達成する。
論文参考訳（メタデータ） (2024-12-09T11:33:38Z)
Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
Achieving Linear Speedup with ProxSkip in Distributed Stochastic Optimization [50.28561300894826]
ProxSkipは、データに対するロバスト性を維持しながら通信を加速することの証明されたメリットにより、注目を集めている。 ProxSkipは線形速度を実現し,通信の確率に比例した通信オーバーヘッドを低減することができることを示す。
論文参考訳（メタデータ） (2023-10-12T02:13:48Z)
Semi-Federated Learning: Convergence Analysis and Optimization of A Hybrid Learning Framework [70.83511997272457]
本稿では,ベースステーション(BS)とデバイスの両方を活用するセミフェデレーション学習(SemiFL)パラダイムを提案し,中央集権学習(CL)とFLのハイブリッド実装を提案する。我々はこの難解な問題を解くための2段階のアルゴリズムを提案し、ビームフォーマに閉形式解を提供する。
論文参考訳（メタデータ） (2023-10-04T03:32:39Z)
Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文参考訳（メタデータ） (2023-10-01T05:07:17Z)
Decentralized Learning over Wireless Networks: The Effect of Broadcast with Random Access [56.91063444859008]
本稿では,D-SGDのコンバージェンス性能に及ぼす放送送信と確率的ランダムアクセスポリシーの影響について検討する。この結果から,アクセス確率を最適化し,期待されるリンク数の最大化が,システム収束を加速するための極めて効果的な戦略であることが示唆された。
論文参考訳（メタデータ） (2023-05-12T10:32:26Z)
Random Orthogonalization for Federated Learning in Massive MIMO Systems [85.71432283670114]
大規模マルチインプット・マルチアウトプット(MIMO)無線システムにおいて,フェデレートラーニング(FL)のための新しい通信設計を提案する。ランダム直交化の主な特徴は、FLの密結合と、チャネル硬化と良好な伝播の2つの特徴から生じる。我々は、この原理をダウンリンク通信フェーズに拡張し、FLの簡易かつ高効率なモデル放送法を開発する。
論文参考訳（メタデータ） (2022-10-18T14:17:10Z)
Predictive GAN-powered Multi-Objective Optimization for Hybrid Federated Split Learning [56.125720497163684]
無線ネットワークにおけるハイブリッド・フェデレーション・スプリット・ラーニング・フレームワークを提案する。ラベル共有のないモデル分割のための並列計算方式を設計し,提案方式が収束速度に与える影響を理論的に解析する。
論文参考訳（メタデータ） (2022-09-02T10:29:56Z)
Model-Based Deep Learning of Joint Probabilistic and Geometric Shaping for Optical Communication [2.8968603530277055]
光コヒーレント通信のための幾何および確率的星座形状を共同最適化するために,オートエンコーダに基づくディープラーニングを適用した。最適化された星座形成は、256 QAM Maxwell-Boltzmann 確率分布より優れており、170 km SMF リンク上の 64 GBd 送信のための 0.05 ビット/4D シンボル相互情報を備えている。
論文参考訳（メタデータ） (2022-04-05T19:35:40Z)
Fast and accurate waveform modeling of long-haul multi-channel optical fiber transmission using a hybrid model-data driven scheme [3.771681732160885]
提案手法は,光打ち上げ能力,変調形式,チャネル数,伝送距離に高い精度,高速,ロバストな能力を有することを示す。その結果、非線形ファイバーモデリングの顕著な改善と、NLSEのような偏微分方程式の解法と光ファイバ物理問題に対する新しい視点の開拓が示された。
論文参考訳（メタデータ） (2022-01-12T06:10:30Z)
End-to-End Deep Learning of Long-Haul Coherent Optical Fiber Communications via Regular Perturbation Model [3.7683182861690843]
並列化可能な摂動チャネルモデルを用いたコヒーレント光通信のためのエンドツーエンドオートエンコーダに基づく新しい学習法を提案する。
論文参考訳（メタデータ） (2021-07-26T16:46:35Z)

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。