論文の概要: Score Based Error Correcting Code Decoder
- arxiv url: http://arxiv.org/abs/2605.28358v1
- Date: Wed, 27 May 2026 11:55:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:56.023337
- Title: Score Based Error Correcting Code Decoder
- Title（参考訳）: スコアベースの誤り訂正符号デコーダ
- Authors: Alon Helvits, Eliya Nachmani,
- Abstract要約: 本稿では,スコアベースのデコーダであるSB-ECCを提案する。
ニューラルデノイザは確率フロー常微分方程式(ODE)を定義し、ノイズチャネル観察を有効なコードワードに繰り返し更新する。
42のコード/SNR設定で、SB-ECCは39/42のエントリで最高のBERを達成し、SNRの平均ゲインは0.17dB、最大ゲインは0.46dBである。
- 参考スコア（独自算出の注目度）: 8.458339111154585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Error-correcting codes enable reliable communication, yet practical soft decoding remains challenging across code families and block lengths. We propose SB-ECC, a score-based decoder that casts decoding as continuous-time denoising. A neural denoiser defines a probability-flow ordinary differential equation (ODE) that iteratively updates the noisy channel observation toward a valid codeword, guided by parity constraints. The model is trained across noise levels without time/SNR conditioning, enabling inference without SNR estimation and supporting a direct latency accuracy trade off controlled by the ODE solver budget. We use the raw signed channel observation as input for learning a continuous denoising field. Across 42 code/SNR settings, SB-ECC achieves the best BER in 39/42 entries, with an average SNR gain of 0.17dB and a maximum gain of 0.46dB over the strongest competing baseline, we showed that swapping the solver from Euler to DPM preserves -ln(BER) while reducing end-to-end decoding time by 8.86% on average (up to 12.82%).
- Abstract（参考訳）: エラー訂正コードは信頼できる通信を可能にするが、実際のソフトデコーディングはコードファミリやブロック長で難しいままである。
本稿では,スコアベースのデコーダであるSB-ECCを提案する。
ニューラルデノイザは確率フロー常微分方程式(ODE)を定義し、パリティ制約によって導かれる有効なコードワードに対してノイズチャネル観測を反復的に更新する。
モデルは、時間/SNR条件なしでノイズレベルを訓練し、SNR推定なしで推測を可能にし、ODEソルバ予算によって制御される直接遅延精度のトレードオフをサポートする。
生の符号付きチャネル観測を入力として,連続的な雑音場を学習する。
42のコード/SNR設定で、SB-ECCは39/42のエントリで最高のBERを達成し、SNRの平均ゲインは0.17dB、最大ゲインは0.46dBであり、EulerからDPMへのソルバ交換は-ln(BER)を保ち、エンドツーエンドの復号時間を平均8.86%削減する(最大12.82%)。
関連論文リスト
- STDec: Spatio-Temporal Stability Guided Decoding for dLLMs [49.55447757907809]
大規模拡散言語モデル(dLLM)は、自己回帰パラダイムに代わる有望な選択肢と見なされ、急速な進歩を遂げている。
ほとんどのdLLMデコーダは依然としてグローバルな信頼しきい値を採用しており、近隣のデコード状態や予測トークンIDの時間的一貫性からローカルコンテキストをモデル化していない。
我々は,dLLMデコーディングにおいて時間的安定性に近い強い安定性を観察し,そのアプローチには空間的認識復号と時間的認識復号が含まれる。
論文 参考訳（メタデータ） (2026-04-07T18:13:31Z) - In-Context Source and Channel Coding [12.557918082908545]
本稿では,送信機を変更せずにSSCCロバスト性を向上する受信側In-Context Decoding(ICD)フレームワークを提案する。
ICDは信頼性誘導ビットフリップにより信頼度の高い候補プールを構築し、コンパクトだが多様な候補のサブセットをサンプリングし、LLMベースの算術デコーダを適用して、復元とシーケンスレベルのログライクな条件の両方を得る。
論文 参考訳（メタデータ） (2026-01-15T10:37:57Z) - Land-then-transport: A Flow Matching-Based Generative Decoder for Wireless Image Transmission [38.71668959954467]
低遅延デコーディングのためのフローマッチング生成デコーダを提案する。
JPEG2000+LDPC、DeepJSCC、拡散ベースラインに対して一貫した利得を示す実験がある。
LTTは、無線画像デコード生成のための決定論的、物理的に解釈可能、効率的なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-01-12T13:09:37Z) - Consistency Flow Model Achieves One-step Denoising Error Correction Codes [28.89866643527586]
高忠実度ワンステップ復号のための誤り補正整合流れモデル(ECCFM)を提案する。
ECCFMは自己回帰や拡散に基づくベースラインよりもビットエラー率(BER)が低い。
拡散デコーダよりも30倍から100倍高速な推論速度を提供する。
論文 参考訳（メタデータ） (2025-12-01T08:07:51Z) - How Does Label Noise Gradient Descent Improve Generalization in the Low SNR Regime? [78.0226274470175]
我々は、勾配更新にラベルノイズを導入することで、ニューラルネットワーク(NN)のテスト性能が向上するかどうか検討する。
学習中のラベルノイズの付加は,学習過程を支配することを防止し,雑音の記憶を抑制することを実証する。
対照的に、標準GDで訓練されたNNは、同じ低SNR環境でのノイズに過度に適応する傾向にある。
論文 参考訳（メタデータ） (2025-10-20T13:28:13Z) - Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。
最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。
本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文 参考訳（メタデータ） (2022-09-16T11:00:50Z) - Graph Neural Networks for Channel Decoding [71.15576353630667]
低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。
ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。
提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
論文 参考訳（メタデータ） (2022-07-29T15:29:18Z) - Improved decoding of circuit noise and fragile boundaries of tailored
surface codes [61.411482146110984]
高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。
我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。
このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
論文 参考訳（メタデータ） (2022-03-09T18:48:54Z) - DRF Codes: Deep SNR-Robust Feedback Codes [2.6074034431152344]
本稿では,DNN(Deep-neural-network)に基づく誤り訂正符号を提案する。
付加的な白色ガウス雑音 (AWGN) チャネルにおけるSNR損耗率と誤り率の両面から, DRF符号の精度は, 高い結果が得られた。
論文 参考訳（メタデータ） (2021-12-22T10:47:25Z) - Pruning Neural Belief Propagation Decoders [77.237958592189]
本稿では,機械学習を用いたBPデコードに対して,過剰完全パリティチェック行列を調整する手法を提案する。
我々は,デコーダの複雑さを低減しつつ,0.27dB,1.5dBのML性能を実現する。
論文 参考訳（メタデータ） (2020-01-21T12:05:46Z)
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。