論文の概要: VecComp: Vector Computing via MIMO Digital Over-the-Air Computation
- arxiv url: http://arxiv.org/abs/2511.02765v1
- Date: Tue, 04 Nov 2025 17:46:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 18:47:06.127753
- Title: VecComp: Vector Computing via MIMO Digital Over-the-Air Computation
- Title（参考訳）: VecComp: MIMO Digital Over-the-Air Computationによるベクトルコンピューティング
- Authors: Saeed Razavikia, José Mairton Barros Da Silva Junior, Carlo Fischione,
- Abstract要約: 本稿では,ChannelCompとマルチアンテナ技術を統合することで,VecCompと呼ばれるChannelCompフレームワークの一般化を提案する。
VecCompは計算効率が良く、チャネル障害に対して堅牢であり、高次元のデータ中心のアプリケーションに適している。
- 参考スコア（独自算出の注目度）: 16.720814507769838
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recently, the ChannelComp framework has proposed digital over-the-air computation by designing digital modulations that enable the computation of arbitrary functions. Unlike traditional analog over-the-air computation, which is restricted to nomographic functions, ChannelComp enables a broader range of computational tasks while maintaining compatibility with digital communication systems. This framework is intended for applications that favor local information processing over the mere acquisition of data. However, ChannelComp is currently designed for scalar function computation, while numerous data-centric applications necessitate vector-based computations, and it is susceptible to channel fading. In this work, we introduce a generalization of the ChannelComp framework, called VecComp, by integrating ChannelComp with multiple-antenna technology. This generalization not only enables vector function computation but also ensures scalability in the computational complexity, which increases only linearly with the vector dimension. As such, VecComp remains computationally efficient and robust against channel impairments, making it suitable for high-dimensional, data-centric applications. We establish a non-asymptotic upper bound on the mean squared error of VecComp, affirming its computation efficiency under fading channel conditions. Numerical experiments show the effectiveness of VecComp in improving the computation of vector functions and fading compensation over noisy and fading multiple-access channels.
- Abstract（参考訳）: 近年,ChannelComp フレームワークは任意の関数の計算を可能にするデジタル変調を設計し,空域でのディジタルオーバー・ザ・エア計算を提案している。
ノモグラフィ関数に制限される従来のアナログオーバー・ザ・エア計算とは異なり、ChannelCompはデジタル通信システムとの互換性を維持しながら幅広い計算処理を可能にする。
このフレームワークは、単にデータの取得よりもローカル情報処理を好むアプリケーションを対象としている。
しかし、ChannelCompは現在スカラー関数計算用に設計されており、多くのデータ中心のアプリケーションはベクトルベースの計算を必要としており、チャネルのフェードの影響を受けやすい。
本稿では,ChannelCompとマルチアンテナ技術を統合することで,ChannelCompフレームワークであるVecCompの一般化を提案する。
この一般化はベクトル関数の計算を可能にするだけでなく、ベクトル次元と線形に増大する計算複雑性のスケーラビリティも確保する。
このように、VecCompは計算効率が良く、チャネル障害に対して堅牢であり、高次元のデータ中心のアプリケーションに適している。
本研究では,VecCompの平均二乗誤差に漸近的でない上限を定め,フェードチャネル条件下での計算効率を検証した。
数値実験により,VecComp のベクトル関数の計算精度の向上と雑音や複数アクセスチャネルの減少に対する補償効果が示された。
関連論文リスト
- Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning [52.904670248426626]
本稿では,統合されたセンサ,通信,計算機能を備えた空対空フェデレーションエッジ・ラーニング(Air-FEEL)システムについて検討する。
バッチサイズ制御とネットワークリソース割り当てを交互に最適化することにより、低複雑さI SCCアルゴリズムを導出する。
論文 参考訳（メタデータ） (2025-08-21T02:46:46Z) - Image Coding for Machines via Feature-Preserving Rate-Distortion Optimization [31.210700220124192]
本研究では,与えられたタスク損失に対する圧縮の効果を低減させる手法として,特徴量間の距離を用いてレート歪み(RDO)を行う方法を示す。
我々は、ブロックベースのエンコーダを用いて歪み項を計算可能にするために、RDOの定式化を単純化する。
複数の特徴抽出器と下流ネットワークに変換されたHEVCを用いたシミュレーションでは、同じタスクの精度で最大で17%のビットレートのセーブが可能であることを示す。
論文 参考訳（メタデータ） (2025-04-03T02:11:26Z) - Scalable Constant-Time Logical Gates for Large-Scale Quantum Computation Using Window-Based Correlated Decoding [11.657137510701165]
フォールトトレラント量子コンピューティングにおける重要な課題は、論理ゲートを実装するオーバーヘッドを減らすことである。
本稿では,遅延固定回路とウィンドウベース相関復号回路を用いたアーキテクチャを提案する。
この設計は、定数時間と普遍論理ゲートのサポートを維持しながら、復号化の頻度と持続時間を著しく削減する。
論文 参考訳（メタデータ） (2024-10-22T12:44:41Z) - Accelerating Error Correction Code Transformers [56.75773430667148]
本稿では,トランスを用いたデコーダの高速化手法を提案する。
最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
論文 参考訳（メタデータ） (2024-10-08T11:07:55Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - Providing Meaningful Data Summarizations Using Examplar-based Clustering
in Industry 4.0 [67.80123919697971]
我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。
提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2021-05-25T15:55:14Z) - Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。
私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
論文 参考訳（メタデータ） (2021-01-19T03:08:03Z) - DSXplore: Optimizing Convolutional Neural Networks via Sliding-Channel
Convolutions [6.545149265229935]
CNNで深度分離可能な畳み込みを探索するための最初の最適化設計であるDSXploreを紹介します。
アルゴリズムレベルでは、DSXploreは、新しいファクタライズカーネル — スライドチャネル畳み込み — を組み込む。
実装レベルでは、SCC用に最適化されたGPU実装を実行する。
論文 参考訳（メタデータ） (2021-01-04T02:59:10Z) - Coded Distributed Computing with Partial Recovery [56.08535873173518]
部分回復型符号化計算(CCPR)と呼ばれる新しい符号化行列ベクトル乗法を導入する。
CCPRは計算時間と復号化の複雑さを減らし、精度と計算速度のトレードオフを可能にする。
次に、この手法をより一般的な計算タスクの分散実装に拡張し、部分的回復を伴う符号化通信方式を提案する。
論文 参考訳（メタデータ） (2020-07-04T21:34:49Z) - Channel Compression: Rethinking Information Redundancy among Channels in
CNN Architecture [3.3018563701013988]
効率的な畳み込みニューラルネットワーク(CNN)の研究は、畳み込み計算を分解または最適化することによって特徴冗長性を取り除くことを目的としている。
本研究では,CNNアーキテクチャのチャネル間に特徴冗長性が存在すると仮定し,計算効率を高めるためのフリーウェイを提供する。
空間畳み込み, チャネルグループ化, プール操作の進展を受け入れるために, コンパクト畳み込みという新しい畳み込み構造を提案する。
論文 参考訳（メタデータ） (2020-07-02T10:58:54Z)
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。