論文の概要: Closed-Loop Bayesian Bandit Encoder with GRAND Receiver for a Bursty Interference Channel

• arxiv url: http://arxiv.org/abs/2607.15404v1
• Date: Thu, 16 Jul 2026 19:14:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.686889
• Title: Closed-Loop Bayesian Bandit Encoder with GRAND Receiver for a Bursty Interference Channel
• Title（参考訳）: GRAND受信器付閉ループベイズ帯域符号化器
• Abstract要約: バーストエラーをインターリービングするが、デコード遅延が発生し、チャネル認識デコーダが活用できる時間的エラー構造が削除される。 ランダムな線形コードとクロスワードインターリーブで使用される同じコードとのパケットレベルの選択を、未知数のオン/オフ干渉器を持つチャネル上で検討する。
• 参考スコア（独自算出の注目度）: 5.084110608134245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interleaving mitigates burst errors but introduces decoding delay and removes temporal error structure that a channel-aware decoder could exploit. We consider packet-level selection between a random linear code and the same code used with cross-codeword interleaving, over a channel with an unknown number of on/off interferers. The receiver uses Guessing Random Additive Noise Decoding (GRAND) with a replaceable noise model and feeds aggregate channel statistics back to a Bayesian estimator at the transmitter. Once the interference amplitudes and timing parameters are estimated, the receiver's noise model is replaced: it computes hidden-Markov-model posterior bit-flip probabilities and uses them to order GRAND queries. A discounted Thompson sampler selects between the two transmission modes using a goodput-minus-latency reward whose distribution is endogenously nonstationary: receiver adaptation, rather than channel change, alters the value of each mode. Across five simulation seeds, the interleaved mode is preferred before channel estimation converges. After the learned decoder is activated, the non-interleaved mode becomes preferable because it achieves lower block error rate without interleaving delay. In the reference configuration, the learned noise model reduces block error rate by approximately one order of magnitude relative to ORBGRAND. Using partial channel estimates before full convergence reduces pre-convergence block error rate by up to $4.5\times$. Adding model-predicted utilities as confidence-weighted pseudo-observations reduces post-transition selection of the inferior arm by approximately $65\%$. Under an idealized airtime conversion at a 100~MHz 5G~NR-like symbol rate, the learning transient corresponds to a few milliseconds of occupied symbol time.
• Abstract（参考訳）: インターリービングはバーストエラーを緩和するが、デコード遅延を導入し、チャネル認識デコーダが活用できる時間エラー構造を除去する。 ランダムな線形コードとクロスワードインターリーブで使用される同じコードとのパケットレベルの選択を、未知数のオン/オフ干渉器を持つチャネル上で検討する。 受信機は、Guessing Random Additive Noise Decoding (GRAND) と交換可能なノイズモデルを使用し、送信機のベイズ推定器に集約チャネル統計を返送する。 干渉振幅とタイミングパラメータを推定すると、受信機のノイズモデルが置き換えられ、隠れマルコフモデルの後部ビットフリップ確率を計算し、GRANDクエリを順序付けする。 ディスカウントされたトンプソンサンプリング器は、分布が不均一に非定常なグッドプットマイナスレイテンシ報酬を用いて、2つの伝送モード間で選択する: チャネル変更ではなく、レシーバ適応は各モードの値を変更する。 5つのシミュレーションシードで、チャネル推定が収束する前にインターリーブモードが好まれる。 学習した復号器が起動されると、遅延を補うことなく低ブロックエラー率を達成するため、非インターリーブモードが好まれる。 基準構成では、学習したノイズモデルは、ORBGRANDと比較してブロックエラー率を約1桁削減する。 完全収束の前に部分的なチャネル推定を使用することで、収束前のブロックエラー率を最大4.5\times$に削減できる。 信頼度重み付き擬似観測としてモデル予測ユーティリティを追加することで、下腕の移行後の選択を約6,5\%$に削減できる。 100~MHz 5G~NRのような記号レートで理想化された時空変換では、学習トランジェントは占有されたシンボル時間の数ミリ秒に対応する。

関連論文リスト

• The Gain-Engineered Transmon [68.89136228609398]
  標準的なトランスモン・リードアウト共振器回路において,ノイズバイアス量子ビットを導入し,実験的に実現する。 本システムは,ハードウェア効率のよい量子エラー検出と修正手法のための単純なビルディングブロックとして利用するための道を開く。
  論文  参考訳（メタデータ） (2026-08-26T17:00:42Z)
• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• Noise structuring in fixed-depth Trotter simulation: stationary channels and observable-level depolarization [0.0]
  我々は,デジタル多体力学におけるハードウェアノイズの構造化手法として,固定深度トロッターシミュレーションを解析した。 局所的な断層の場合、伝播した断層が挿入層の記憶を失うと、ノイズ回路は理想的な進化へと分解する。 また,過度に単純化された機能に基づくゼロノイズ・エクストラポラチン戦略の限界も明らかにした。
  論文  参考訳（メタデータ） (2026-07-20T13:33:59Z)
• Message Passing Based Two-Timescale Bayesian Learning for Joint Channel and Memory Hardware Impairments Tracking [15.722477105805256]
  大規模マルチインプット・マルチアウトプット(MIMO)受信機におけるハードウェア障害は、シンボル間メモリと要素間結合を導入している。 本稿では,メッセージパスに基づく2時間ベイズ学習(MP-TTBDL)フレームワークを提案する。 シミュレーションの結果,提案手法は従来の補償器よりもチャネル推定誤差が低いことを示す。
  論文  参考訳（メタデータ） (2026-07-02T03:39:56Z)
• Score Based Error Correcting Code Decoder [8.458339111154585]
  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。
  論文  参考訳（メタデータ） (2026-05-27T11:55:27Z)
• Real-Time Text Transmission via LLM-Based Entropy Coding over Fixed-Rate Channels [2.3227078506258176]
  Huffmanは、アルゴリズムの遅延をゼロにし、圧縮オーバーヘッドをわずかに抑えながら、過剰にプロビジョンされたチャネルの実践的な選択である。 発見は GPT-2 (124M) と Llama3.2 (3B) の2つの尺度で検証される。
  論文  参考訳（メタデータ） (2026-05-03T17:48:37Z)
• 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)
• Spiralformer: Low Latency Encoder for Streaming Speech Recognition with Circular Layer Skipping and Early Exiting [70.75913449565203]
  Transformerベースのエンコーダはブロック処理に広く使われている。 本稿では,ブロック処理に適した新しいエンコーダSpralformerを提案する。 実験の結果,Librispeechにおける平均トークン放出遅延は21.6%減少した。
  論文  参考訳（メタデータ） (2025-10-01T14:56:45Z)
• Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
  並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。 本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
  論文  参考訳（メタデータ） (2024-01-30T11:40:24Z)
• StreamDiffusion: A Pipeline-level Solution for Real-time Interactive Generation [52.56469577812338]
  本稿では,インタラクティブな画像生成のためのリアルタイム拡散パイプラインStreamDiffusionを紹介する。 既存の拡散モデルは、テキストや画像プロンプトから画像を作成するのに適しているが、リアルタイムのインタラクションでは不足することが多い。 本稿では,従来のシーケンシャル・デノナイジングをデノナイジング・プロセスに変換する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-19T18:18:33Z)
• 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)
• Blind Coherent Preamble Detection via Neural Networks [2.2063018784238984]
  ニューラルネットワーク(NN)シークエンス検出器とタイミング先進推定器を提案する。 NNによるプリアンブル検出のプロセス全体を置き換えるものではない。 本稿では,通信路効果を補うために,検出器内の信号を組み合わせたテキストブロードコヒーレントにのみNNを用いることを提案する。
  論文  参考訳（メタデータ） (2021-09-30T09:53:49Z)
• Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
  無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。 これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
  論文  参考訳（メタデータ） (2020-07-03T16:31:15Z)

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。