論文の概要: Masked Neural Detection for Constrained Channel Coding in Molecular Communication

• arxiv url: http://arxiv.org/abs/2606.12489v1
• Date: Wed, 10 Jun 2026 11:09:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.364845
• Title: Masked Neural Detection for Constrained Channel Coding in Molecular Communication
• Title（参考訳）: 分子間通信における制約チャネル符号化のためのマスク付きニューラル検出
• Authors: Melih Şahin, Ozgur B. Akan,
• Abstract要約: 分子間通信は、あるシンボルのために放出される分子が後続のシンボルの間に現れるため、激しい拡散記憶に悩まされる。 ニューラルネットワーク、特にスライディング双方向リカレントニューラルネットワーク(SBRNN)は、そのようなチャネルにおけるしきい値検出器を大幅に上回る。 この手紙は、実行長制限ISI-mitigation (RLIM)コードに対してこの疑問に答える。
• 参考スコア（独自算出の注目度）: 0.09821874476902968
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Molecular communication (MC) suffers from severe diffusion memory because molecules released for one symbol may arrive during later symbols. Neural sequence detectors, especially sliding bidirectional recurrent neural networks (SBRNNs), can substantially outperform threshold detectors in such channels. This raises a central question for MC channel coding: does a code whose advantage was established under threshold detection retain it when both coded and uncoded transmission are evaluated with neural detection? This letter answers this question for run-length-limited ISI-mitigation (RLIM) codes, a class of constrained codes previously shown to provide large BER gains in MC. Across the tested operating points, the best RLIM-SBRNN receiver beats the best uncoded receiver, chosen between threshold and SBRNN detection, in $46$ of $59$ cases, with a mean gain of $10.36\times$ over those wins. We also propose an RLIM-tailored training mask for compact SBRNN detectors, improving the unmasked RLIM-SBRNN in $227$ of $236$ comparisons with $3.267\times$ mean gain when masking is beneficial. Finally, the compact masked RLIM-SBRNN is competitive with channel-state-aware MLSE despite using no channel knowledge.
• Abstract（参考訳）: 分子間通信(MC)は、あるシンボルのために放出される分子が後続のシンボルの間に現れるため、激しい拡散記憶に悩まされる。 ニューラルネットワーク、特にスライディング双方向リカレントニューラルネットワーク(SBRNN)は、そのようなチャネルにおけるしきい値検出器を大幅に上回る。 しきい値検出の下で優位性を確立したコードは、ニューラル検出によって符号付きとアンコードされたトランスミッションの両方が評価されると、それを維持できるのか? この手紙は、MCで大きなBERゲインを提供するように示されている制約付きコードのクラスである、実行長制限ISI-mitigation (RLIM)コードに対して、この疑問に答える。 テストされた操作ポイント全体では、最高のRLIM-SBRNN受信機が、閾値とSBRNN検出の間で選択された最高の未コーディング受信機を46ドル599ドルのケースで破り、平均利得は10.36\times$である。 また,小型SBRNN検出器用のRLIM調整用トレーニングマスクを提案し,RLIM-SBRNNを227ドルと3.267ドルと比較した場合の平均利得を236ドルで改善した。 最後に、コンパクトマスク付きRLIM-SBRNNは、チャネル知識を使わずにチャネル状態認識MLSEと競合する。

関連論文リスト

• Diffusion Denoiser Achievable Analysis for Finite Blocklength Unsourced Random Access [0.5672132510411464]
  結合復号法における軽量な解析法としてデコーダ互換拡散復号器を導入する。 スコアネットワークは、チャネル出力分布から引き出されたサンプルに基づいてトレーニングされ、既存のコード設計と容易に統合できる。
  論文  参考訳（メタデータ） (2026-04-10T20:58:27Z)
• Architectural Exploration of Hybrid Neural Decoders for Neuromorphic Implantable BMI [5.76010717601678]
  本研究は、ニューロモルフィックな脳-機械界面(Neu-iBMI)のための効率的なデコードパイプラインを提供する。 スパイク検出器 (EvFilter-SPD) としても機能する可変イベントフィルタ (EvFilter) を導入し, それぞれ192X と 554X でデコードされたイベント数を著しく削減した。
  論文  参考訳（メタデータ） (2025-05-09T12:15:09Z)
• Reed-Muller Codes on CQ Channels via a New Correlation Bound for Quantum Observables [7.415361840837667]
  我々は、Reed-Muller符号の対称性とネスト構造を用いて復号関数を解析する。 以上の結果から,コードレートがHolevoの容量より小さい場合,2o(sqrtlog N)$ビットの任意のセットを高い確率で復号化可能であることが示された。
  論文  参考訳（メタデータ） (2025-02-06T05:19:24Z)
• SWIM: Short-Window CNN Integrated with Mamba for EEG-Based Auditory Spatial Attention Decoding [49.295060801806606]
  音声エンベロープに依存しない脳波(EEG)信号から聴覚注意の軌跡を特定するため,SWIMと呼ばれる新しいモデルを提案する。 SWIMは2つの部分から構成される。1つはショートウインドウCNN(SW$_textCNN$)で、短期的なEEG特徴抽出器として機能する。 第2部であるMambaは、最初に聴覚空間注意復号法に適用されたシーケンスモデルである。
  論文  参考訳（メタデータ） (2024-09-30T02:28:32Z)
• Combining SNNs with Filtering for Efficient Neural Decoding in Implantable Brain-Machine Interfaces [0.7904805552920349]
  スパイキングニューラルネットワーク(SNN)は、リソース効率の良いニューラルデコードのための有望なソリューションとして出現する。 LSTM(Long Short Term Memory)ネットワークは、最高の精度を実現する。 異なるフィルタによる結果は、最高のパフォーマンスを提供するBesselフィルタで示されます。
  論文  参考訳（メタデータ） (2023-12-26T05:40:39Z)
• Factorizers for Distributed Sparse Block Codes [45.29870215671697]
  分散ブロック符号(SBC)を高速かつ高精度に分解する手法を提案する。 我々の反復分解器は、しきい値に基づく非線形活性化、条件付きランダムサンプリング、および $ell_infty$-based similarity metricを導入している。 CIFAR-100, ImageNet-1K, RAVENデータセット上での4つの深層CNNアーキテクチャの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-03-24T12:31:48Z)
• 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)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)
• 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。