Fugu-MT 論文翻訳(概要): Encoding Optimization for Low-Complexity Spiking Neural Network Equalizers in IM/DD Systems

論文の概要: Encoding Optimization for Low-Complexity Spiking Neural Network Equalizers in IM/DD Systems

arxiv url: http://arxiv.org/abs/2508.13783v1
Date: Tue, 19 Aug 2025 12:32:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-20 15:36:31.917899
Title: Encoding Optimization for Low-Complexity Spiking Neural Network Equalizers in IM/DD Systems
Title（参考訳）: IM/DDシステムにおける低複雑性スパイクニューラルネットワーク等化器の符号化最適化
Authors: Eike-Manuel Edelmann, Alexander von Bank, Laurent Schmalen,
Abstract要約: スパイキングニューラルネットワーク(SNN)の最適化のための強化学習に基づくアルゴリズムを提案する。 IM/DDシステムにおけるSNNベースの等化器とデマッパーに適用することにより,計算負荷とネットワークサイズを低減し,性能を向上させる。
参考スコア（独自算出の注目度）: 49.34817254755008
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neural encoding parameters for spiking neural networks (SNNs) are typically set heuristically. We propose a reinforcement learning-based algorithm to optimize them. Applied to an SNN-based equalizer and demapper in an IM/DD system, the method improves performance while reducing computational load and network size.
Abstract（参考訳）: スパイキングニューラルネットワーク(SNN)のニューラルエンコーディングパラメータは通常、ヒューリスティックに設定される。そこで我々は,それらを最適化するための強化学習に基づくアルゴリズムを提案する。 IM/DDシステムにおけるSNNベースの等化器とデマッパーに適用することにより,計算負荷とネットワークサイズを低減し,性能を向上させる。

関連論文リスト

Precoder Learning for Weighted Sum Rate Maximization [5.305346885414619]
重み付き和プリコーディング(WSRM)のためのプリコーダを学習するための新しいディープニューラルネットワーク(DNN)を提案する。既存のユニタリと比較して、提案したDNNは、最適プリコーディングポリシーに固有の結合と置換のバランスを利用する。シミュレーションの結果,提案手法は学習性能と一般化性能の両方の観点から学習方法よりも有意に優れていた。
論文参考訳（メタデータ） (2025-03-06T14:45:38Z)
Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文参考訳（メタデータ） (2024-12-05T09:41:33Z)
Energy-efficient Spiking Neural Network Equalization for IM/DD Systems with Optimized Neural Encoding [53.909333359654276]
スパイクニューラルネットワークに基づくIM/DDシステムのエネルギー効率の等化器を提案する。エネルギー消費を低減しつつ、等化器の性能を高めるニューラルスパイク符号化を最適化する。
論文参考訳（メタデータ） (2023-12-20T10:45:24Z)
Neural information coding for efficient spike-based image denoising [0.5156484100374058]
本研究では,ガウス聴覚のためのスパイキングニューラルネットワーク(SNN)について検討する。本稿では,Leaky Integrate and Fire(LIF)ニューロンによる情報変換処理の形式的解析を提案する。我々は、その性能を古典的なレートコーディング機構と比較する。その結果, LIFニューロンを用いたSNNは, 計算コストを抑えつつ, 競争性能を向上できることがわかった。
論文参考訳（メタデータ） (2023-05-15T09:05:32Z)
Spiking Neural Network Decision Feedback Equalization for IM/DD Systems [70.3497683558609]
様々なパラメータを持つIM/DDリンクに、決定フィードバック構造を有するスパイキングニューラルネットワーク(SNN)等化器を適用する。 SNNは、線形および人工ニューラルネットワーク(ANN)ベースの等化器よりも優れている。
論文参考訳（メタデータ） (2023-04-27T12:49:31Z)
SA-CNN: Application to text categorization issues using simulated annealing-based convolutional neural network optimization [0.0]
畳み込みニューラルネットワーク(CNN)は、ディープラーニングアルゴリズムの代表クラスである。テキストCNNニューラルネットワークに基づくテキスト分類タスクのためのSA-CNNニューラルネットワークを提案する。
論文参考訳（メタデータ） (2023-03-13T14:27:34Z)
Stochastic Markov Gradient Descent and Training Low-Bit Neural Networks [77.34726150561087]
本稿では,量子化ニューラルネットワークのトレーニングに適用可能な離散最適化手法であるGradient Markov Descent (SMGD)を紹介する。アルゴリズム性能の理論的保証と数値的な結果の促進を提供する。
論文参考訳（メタデータ） (2020-08-25T15:48:15Z)
Progressive Tandem Learning for Pattern Recognition with Deep Spiking Neural Networks [80.15411508088522]
スパイキングニューラルネットワーク(SNN)は、低レイテンシと高い計算効率のために、従来の人工知能ニューラルネットワーク(ANN)よりも優位性を示している。高速かつ効率的なパターン認識のための新しいANN-to-SNN変換およびレイヤワイズ学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-07-02T15:38:44Z)
A Supervised Learning Algorithm for Multilayer Spiking Neural Networks Based on Temporal Coding Toward Energy-Efficient VLSI Processor Design [2.6872737601772956]
スパイキングニューラルネットワーク(スパイキングニューラルネット、英: Spiking Neural Network、SNN)は、スパイクの形で情報を処理できる脳にインスパイアされた数学的モデルである。時間符号化に基づくSNNのための新しい教師付き学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-01-08T03:37:08Z)

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。