論文の概要: A Comparative Analysis of MLP and Kolmogorov-Arnold Networks (KAN) for Faster-than-Nyquist (FTN) Signaling Detection

• arxiv url: http://arxiv.org/abs/2608.02062v1
• Date: Mon, 03 Aug 2026 11:07:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.503514
• Title: A Comparative Analysis of MLP and Kolmogorov-Arnold Networks (KAN) for Faster-than-Nyquist (FTN) Signaling Detection
• Title（参考訳）: 高速Nyquist(FTN)信号検出のためのMLPとKANの比較解析
• Abstract要約: 高速なニキストシグナリングは、シンボル間干渉を意図的に導入することでスペクトルのエフェキシーを向上させる。 本稿では,マルチ層パーセプトロンとコルモゴロフ・アーノルドネットワークの直接比較によるデータ駆動型FTN BPSKの検出について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Faster-than-Nyquist signaling improves spectral ef- ficiency by deliberately introducing inter-symbol interference. Classical sequence detectors such as BCJR can approach optimal performance, but their computational cost grows rapidly with channel memory. This paper investigates data-driven FTN BPSK detection under AWGN through a direct comparison between multilayer perceptrons and Kolmogorov Arnold Networks. A large-scale Monte Carlo dataset containing nearly four million labeled windows is generated for a time-packing factor of zero point eight and signal-to-noise ratio values from seven to ten decibels. The best MLP obtained from width sweeping uses hidden width thirty two, whereas the selected KAN uses hidden width four with spline grid size five. At ten decibels, the MLP produces a bit error rate of one point three times ten to the minus four, while the KAN reaches seven times ten to the minus six. This corresponds to an eighteen point six times lower bit error rate while using only one eighth of the MLP hidden width. The results show that KAN provides a more effective and more parameter-efficient neural decision model than the MLP baseline for FTN BPSK detection.
• Abstract（参考訳）: 高速なニキストシグナリングは、シンボル間干渉を意図的に導入することでスペクトルのエフェキシーを向上させる。 BCJRのような古典的なシーケンス検出器は最適性能にアプローチできるが、その計算コストはチャネルメモリによって急速に増大する。 本稿では,マルチ層パーセプトロンとコルモゴロフ・アーノルドネットワークの直接比較により,データ駆動型FTN BPSKの検出について検討する。 ゼロ点8の時間パック係数と、7デシベルから10デシベルまでの信号対雑音比の値に対して、約400万個のラベル付きウィンドウを含む大規模なモンテカルロデータセットを生成する。 ワイド・スイーピングから得られる最高のMLPは302の隠れ幅を使い、選択したKANは5のスプライン・グリッドを持つ隠れ幅4を使用する。 10デシベルでは、MLPは1ポイントの10倍の4倍の4倍の誤り率を発生し、KAは7倍の10倍の6倍に達する。 これは、MLP隠れ幅の8分の1しか使用せず、18ポイントの6倍のビット誤り率に相当する。 その結果, Kan は FTN BPSK 検出のための MLP ベースラインよりも効果的でパラメータ効率のよい神経決定モデルを提供することがわかった。

関連論文リスト

• WaVeFuse: Regime-Adaptive Equity Index Forecasting via Channel-Wise Wavelet Denoising and Vertical Attention Fusion [0.0]
  WaVeFuseは、エクイティ予測フレームワークのためのハイブリッドなDeep Learningである。 技術指標(TI)の伝搬、チャネル非識別分解、静的マルチブランチ融合に対処する。 WaVeFuseは、研究と意思決定支援のデプロイメントに適した、計算効率のよい、レシシロバストなフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-09-13T18:50:33Z)
• RF-VoID: Towards Bandwidth-Efficient Exterior Tile Void Detection via Narrowband Radio-Frequency Representation Learning [26.146393494302547]
  ミリ波レーダーは、外装のセラミックタイルの後ろに隠れたデボンドを見つけるための非接触的な方法を提供する。 従来の解釈はまずレンジプロファイルを再構成するので、その信頼性は利用可能な帯域幅によって制限される。 この研究は、帯域幅を計算のために交換できるかどうかを問うものである。
  論文  参考訳（メタデータ） (2026-09-11T03:18:37Z)
• LDAC-Net: A Learnable Multi-Lag Differencing Attention-Convolution Network for Drift-Robust Recognition with Low-Cost MOX Gas Sensors [6.156377010595533]
  安価な金属酸化物(MOX)ガスセンサをベースとしたポータブル電子ノイズシステムは、ガスと臭気の認識に実用的なソリューションを提供する。 既存のパイプラインは通常、固定された一階時間差分(FOTD)を使用する。 LDAC-Netは,マルチチャネルMOX信号で直接動作する,注目畳み込みネットワークとは違い,エンドツーエンドで学習可能なマルチラグである。
  論文  参考訳（メタデータ） (2026-08-26T11:20:27Z)
• A Time-Frequency Dual-Domain Multi-Scale Convolutional Neural Network for Bearing Fault Diagnosis under Strong Noise [0.0]
  本稿では,強い雑音下での軸受故障診断精度の劣化に対処する時間周波数二重領域多大畳み込みニューラルネットワークを提案する。 実験により, クリーン条件下では99.75%の精度を実現し, 4dB SNRで92.50%の精度を維持した。
  論文  参考訳（メタデータ） (2026-08-10T06:38:27Z)
• An Embedded RISC-V Evaluation of Kolmogorov--Arnold Networks in Hard-Constrained Recurrent Physics-Informed Models [0.0]
  Kolmogorov--Arnold Networks (KAN) は多層パーセプトロン (MLP) の効率的な代替として提案されている。 本稿では,パラメータ効率がデプロイに有効かどうかを問う。
  論文  参考訳（メタデータ） (2026-08-01T16:20:24Z)
• Differentiable Logic Gate Networks for Low-Latency EEG Classification on Edge Devices [0.0]
  エッジデバイス上のリアルタイム脳波分類は、従来のニューラルネットワークの浮動小数点演算によってボトルネックとなる。 ハードウェアネイティブな代替品として、差別化可能なLogic Gate Networks(Diff-Logic)について検討した。 本研究は,資源制約型脳-コンピュータインタフェースの実践パラダイムとして,論理に基づくニューラルネットワークを構築した。
  論文  参考訳（メタデータ） (2026-07-20T16:49:30Z)
• Towards Fast and Effective Long Video Understanding of Multimodal Large Language Models via Adaptive Quasi-Gaussian Sampling [71.62893745623526]
  ビデオフレーム選択は準ガウスサンプリングの問題である。 我々はAdaQと呼ばれる適応的でトレーニングなしのアプローチを提案する。
  論文  参考訳（メタデータ） (2026-06-23T06:13:30Z)
• Cross-Layer Intrusion Detection in 5G O-RAN: Gains and Limits of Fusing Radio Telemetry with Network Flow Records [2.992414059774663]
  オープンRANデアグリゲーションは、DUラジオテレメトリとCU側ネットワークフローレコードのジョイント分析を可能にする。 これら2つのモダリティの融合が7つのアーキテクチャで個別に改善されるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-06-21T11:48:23Z)
• RLearner-LLM: Balancing Logical Grounding and Fluency in Large Language Models via Hybrid Direct Preference Optimization [5.0009109610311855]
  ハイブリッドDPOを用いたRLearner-LLMを提案する。 RLearner-LLMはSFTよりも最大6倍NLI改善する。 Gemma 4 E4B-itでは、Hybrid-DPOは5つのドメインのうち4つのNLIを持ち上げる。
  論文  参考訳（メタデータ） (2026-05-06T06:36:09Z)
• Privacy-Aware Split Inference with Speculative Decoding for Large Language Models over Wide-Area Networks [0.0]
  本稿では、信頼性のあるローカルGPUとクラウドGPUのトランスフォーマーを分割する、プライバシーに配慮した大規模言語モデル(LLM)の実用的なシステムを提案する。 我々のシステムは、高速広帯域ネットワーク(WAN)上での自己回帰LDM復号化の独特な課題に対処する。 システムは4.9GBのローカルVRAMと7Bのスループットしか持たない大型モデルに一般化される。
  論文  参考訳（メタデータ） (2026-02-18T14:13:08Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• Token-Level Inference-Time Alignment for Vision-Language Models [58.41370989069588]
  VLM(Vision-Language Models)は、現代のマルチモーダルインテリジェンスの重要なバックボーンとなっている。 本稿では,基本VLMを凍結し,その分布を近似する報酬モデルをトレーニングする軽量フレームワークTITAを提案する。 推測中、暗黙の選好信号は報酬モデルと目標VLMの対数確率比として抽出され、密集した自己回帰フィードバックが得られる。
  論文  参考訳（メタデータ） (2025-10-20T09:58:03Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• Formant Tracking Using Quasi-Closed Phase Forward-Backward Linear Prediction Analysis and Deep Neural Networks [48.98397553726019]
  動的プログラミング(DP)とディープニューラルネット(DNN)に基づくホルマントトラッキングの研究 6つの手法は線形予測(LP)アルゴリズム、重み付きLPアルゴリズム、最近開発された準閉相フォワード(QCP-FB)法である。 QCP-FBに基づく深層学習と信号処理の利点を組み合わせた新しいフォルマント追跡手法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T10:27:07Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)

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。