論文の概要: Action-List Reinforcement Learning Syndrome Decoding for Binary Linear Block Codes

• arxiv url: http://arxiv.org/abs/2507.17893v2
• Date: Mon, 28 Jul 2025 05:46:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 14:15:47.06362
• Title: Action-List Reinforcement Learning Syndrome Decoding for Binary Linear Block Codes
• Title（参考訳）: 2進線形ブロック符号に対するアクションリスト強化学習症候群復号法
• Authors: Milad Taghipour, Bane Vasic,
• Abstract要約: 反復復号過程をマルコフ決定過程(MDP)にマッピングする手法について述べる。 符号ワードの周囲に特定の半径を持つハミング球を学習することにより, MDP の状態数を削減するために, 切り詰められた MDP を提案する。 我々は、性能を大幅に向上させるディープQネットワーク値に基づいて、アクションリストデコーダを設計する。
• 参考スコア（独自算出の注目度）: 3.3148826359547514
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper explores the application of reinforcement learning techniques to enhance the performance of decoding of linear block codes based on flipping bits and finding optimal decisions. We describe the methodology for mapping the iterative decoding process into Markov Decision Processes (MDPs) and propose different methods to reduce the number of states in the MDP. A truncated MDP is proposed to reduce the number of states in the MDP by learning a Hamming ball with a specified radius around codewords. We then propose a general scheme for reinforcement learning based decoders applicable to any class of codes to improve the performance of decoders. We call this scheme an action-list decoding. We design an action-list decoder based on the Deep-Q network values that substantially enhance performance. We also get benefit of automorphism group of code to further improve the code performance. Additionally, we propose a feedback-based method to exploit and enhance the performance of existing high-performing decoders by applying reinforcement learning algorithms after the existing decoders. These approaches effectively reduces the complexity of the reinforcement learning block. Finally, we present experimental results for the Low-Density Parity Check (LDPC) codes over the Binary Symmetric Channel (BSC) to demonstrate the efficiency of the proposed methods.
• Abstract（参考訳）: 本稿では,リニアブロック符号の復号化性能向上のための強化学習手法の適用について検討する。 本稿では,反復復号過程をマルコフ決定過程(MDP)にマッピングする手法について述べる。 符号ワードの周囲に特定の半径を持つハミング球を学習することにより, MDP の状態数を削減するために, 切り詰められた MDP を提案する。 そこで我々は,復号器の性能向上のために,任意の種類の符号に適用可能な強化学習に基づく復号器の汎用スキームを提案する。 私たちはこのスキームをアクションリストデコーディングと呼んでいる。 我々は、性能を大幅に向上させるディープQネットワーク値に基づいて、アクションリストデコーダを設計する。 また、コードのパフォーマンスをさらに改善するために、コードの自己同型グループ(automorphism group)の利点も得ます。 さらに,既存のデコーダの後に強化学習アルゴリズムを適用することで,既存の高性能デコーダの性能を活用・向上するフィードバックベース手法を提案する。 これらのアプローチは、強化学習ブロックの複雑さを効果的に減少させる。 最後に,低密度パリティチェック (LDPC) 符号をバイナリ対称性チャネル (BSC) 上で実験し,提案手法の有効性を実証する。

関連論文リスト

• Threshold Selection for Iterative Decoding of $(v,w)$-regular Binary Codes [84.0257274213152]
  繰り返しビットフリップデコーダは、sparse $(v,w)$-regular符号の効率的な選択である。 閉形式モデルに基づくしきい値決定のための具体的な基準を提案する。
  論文  参考訳（メタデータ） (2025-01-23T17:38:22Z)
• GNN-based Auto-Encoder for Short Linear Block Codes: A DRL Approach [43.17241175857862]
  深層強化学習(DRL)とグラフニューラルネットワーク(GNN)をコード設計に統合する。 エッジ重み付きGNN(EW-GNN)デコーダを提案する。 DRLベースのコードデザイナとEW-GNNデコーダの反復的な共同訓練を行い、エンドエンドエンコーディングとデコード処理を最適化する。
  論文  参考訳（メタデータ） (2024-12-03T00:25:14Z)
• 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)
• Machine Learning-Aided Efficient Decoding of Reed-Muller Subcodes [59.55193427277134]
  Reed-Muller (RM) 符号は、一般的なバイナリインプットメモリレス対称チャネルの容量を達成する。 RM符号は制限されたレートのみを許容する。 効率的なデコーダは、RM符号に対して有限長で利用可能である。
  論文  参考訳（メタデータ） (2023-01-16T04:11:14Z)
• Neural Belief Propagation Decoding of Quantum LDPC Codes Using Overcomplete Check Matrices [60.02503434201552]
  元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。 このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
  論文  参考訳（メタデータ） (2022-12-20T13:41:27Z)
• Deep Learning-Based Intra Mode Derivation for Versatile Video Coding [65.96100964146062]
  本稿では,Deep Learning based intra Mode Derivation (DLIMD) と呼ばれるインテリジェントイントラモード導出法を提案する。 DLIMDのアーキテクチャは、異なる量子化パラメータ設定と、非平方要素を含む可変符号化ブロックに適応するように開発されている。 提案手法は,Versatile Video Coding (VVC) テストモデルを用いて,Y, U, Vコンポーネントの平均ビットレートを2.28%, 1.74%, 2.18%削減できる。
  論文  参考訳（メタデータ） (2022-04-08T13:23:59Z)
• RELDEC: Reinforcement Learning-Based Decoding of Moderate Length LDPC Codes [4.588028371034406]
  RELDECは、中等長低密度パリティチェック(LDPC)符号のシーケンシャルデコードのための新しいアプローチである。 マルコフ決定過程(MDP)に基づく強化学習により最適化された復号法が得られる。 提案したRELDEC方式は,様々なLDPC符号に対して,標準的なフラッディングとランダムなシーケンシャルデコーディングを著しく上回っている。
  論文  参考訳（メタデータ） (2021-12-27T23:13:57Z)
• ADMM-based Decoder for Binary Linear Codes Aided by Deep Learning [40.25456611849273]
  この研究は、二進線形符号に対するディープニューラルネットワーク支援復号アルゴリズムを示す。 ディープ・アンフォールディングの概念に基づいて,乗算器の交互方向のデコーダ(ADMM)を展開させてデコードネットワークを設計する。 以上の結果から,DL支援デコーダはADMM課金デコーダよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T03:32:14Z)

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。