論文の概要: Pre-Whitening and BCJR Posterior Distillation for Bi-LSTM Detection in Faster-than-Nyquist Signaling
- arxiv url: http://arxiv.org/abs/2609.07762v1
- Date: Mon, 07 Sep 2026 17:07:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.489144
- Title: Pre-Whitening and BCJR Posterior Distillation for Bi-LSTM Detection in Faster-than-Nyquist Signaling
- Title（参考訳）: 高速Nyquist信号におけるBi-LSTM検出のための予白およびBCJR後部蒸留
- Abstract要約: リカレント検出器は、より高速なニキスト(FTN)シグナリングのための最適なバール・コッケ・ジェリネク・ラビブ検出器(BCJR)の低複雑さな代替品である。
そこで本研究では,個別のリカレントブランチにおけるネストしたISIウィンドウの処理により,Bi-LSTMネットワークのビット誤り率(BER)が向上することを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recurrent detectors such as bidirectional long short-term memory (Bi-LSTM) networks are low-complexity alternatives to the optimal Bahl-Cocke-Jelinek-Raviv (BCJR) detector for faster-than-Nyquist (FTN) signaling. Motivated by convolutional detectors that build the intersymbol interference (ISI) structure into their architecture, we ask whether processing nested ISI windows in separate recurrent branches improves the bit error rate (BER) of a Bi-LSTM. Across roughly 260 controlled trainings it does not: at a matched parameter budget and a matched readout, the multi-window architecture never significantly beats a plain Bi-LSTM. Nested windowing is an invertible rearrangement that adds no information, extra branches only add bottlenecks, and a distillation diagnostic shows the network is already near optimal for its window. The limitation is therefore the observation model, not the architecture. Keeping the architecture fixed, we pre-whiten the input, restoring the conditional independence that colored matched-filter noise violates, and distill the BCJR soft posterior into the network. With 3.4% more parameters this reaches 1.05 times the BCJR BER at a compression factor of 0.8 and 1.89 times at 0.7, improving to 1.47 times when the whitened window is widened. The 23.7% BER reduction at 0.8 requires an ill-conditioned ISI matrix but is not monotone in the conditioning, and it holds across five independent noise realizations and a symbol-level McNemar test.
- Abstract（参考訳）: 双方向長短期メモリ(Bi-LSTM)ネットワークのようなリカレント検出器は、より高速なニキスト(FTN)シグナリングのための最適なBale-Cocke-Jelinek-Raviv(BCJR)検出器の低複雑さな代替品である。
シンボル間干渉 (ISI) 構造をアーキテクチャ内に構築する畳み込み検出器によって動機付けられ, 個別のリカレントブランチにおけるネストしたISIウィンドウの処理により, Bi-LSTMのビット誤り率(BER)が向上するか否かを問う。
一致したパラメータ予算と一致した読み出しでは、マルチウィンドウアーキテクチャが通常のBi-LSTMを著しく上回ることはない。
Nested windowingは、情報を追加せず、余分なブランチはボトルネックのみを追加し、蒸留診断は、既にネットワークがウィンドウに対して最適に近いことを示している。
したがって、制限はアーキテクチャではなく観察モデルである。
アーキテクチャの固定を保ち、入力を白黒にし、色付きフィルタノイズに反する条件付き独立性を回復し、BCJR軟体後部をネットワークに蒸留する。
さらに3.4%のパラメータがBCJR BERの1.05倍、圧縮係数が0.8倍、0.7倍の1.89倍に達し、ホワイトウィンドウが拡張された1.47倍に改善された。
0.8での23.7%のBER還元は、不調なISI行列を必要とするが、条件付けでは単調ではなく、5つの独立したノイズ実現と記号レベルのマクネマール試験にまたがる。
関連論文リスト
- Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - Multi-Stage Mamba-Based Architecture for Fast and Scalable Superconducting Qubit Readout [2.7180447022087932]
超伝導量子プロセッサでは、リードアウト演算はエラーを起こしやすく、高レイテンシである。
Mambaモデルに基づく多段量子状態判別器を提案する。
本モデルでは, 平均読み出し精度が0.906であり, 最良報告の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2026-07-13T15:12:07Z) - Deep Learning for Joint Narrowband Interference Cancellation and Soft Demodulation in OFDM Systems [3.1567687557500297]
狭帯域干渉(NBI)は周波数分割多重化(OFDM)システムを著しく劣化させる。
我々は統合型ディープラーニングフレームワークを用いて、NBIキャンセルと堅牢なソフト復調を行う。
論文 参考訳（メタデータ） (2026-07-09T17:26:43Z) - Two kinds of robustness are not the same: disentangling fault tolerance and low-SNR robustness in multi-domain event detection on real data [0.0]
イベント検出は、CCSと地熱活動、分散音響センシング(DAS)、産業状況監視のための誘導地震モニタリングの基盤となる。
我々は3つの物理的に異なる実情報源から統合されたバイナリイベント検出ベンチマークを組み立てる。
標準検出器に対するサンプルごとのセンサドロップアウトで訓練した耐故障性検出器の評価を行った。
論文 参考訳（メタデータ） (2026-06-28T11:14:20Z) - 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) - Robust Dual-Signal Fusion: Hybrid Neuro-Symbolic Gating with Compressed Chain-of-Thought Refinement for Irony Detection in Social Media Texts [0.0]
本稿では,CoT (Chain-of-Thought) 推論トラジェクトリをSFT (Supervised Fine-Tuning) なしで圧縮するニューロシンボリックアーキテクチャであるRobust Dual-Signal (RDS) Fusionを紹介する。
RDSは78.1%の精度と0.777ドルのマクロF1を達成し、微調整されたBERTweetの絶対的なパフォーマンス天井と一致する。
RDSの融合はRoBERTaのアブレーションと比べ統計的に重要ではなく、同時相乗効果はスタンドアローンベースラインよりも統計的に顕著に改善される。
論文 参考訳（メタデータ） (2026-06-15T15:22:37Z) - LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。
本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。
その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
論文 参考訳（メタデータ） (2026-06-03T06:07:33Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - Back to Repair: A Minimal Denoising Network for Time Series Anomaly Detection [1.7751300245073598]
JuReは時系列異常検出のための最小限のデノイングネットワークである。
破損した時系列ウィンドウの修復を訓練し、固定されたパラメータフリーな構造的不一致関数によって推測された。
論文 参考訳（メタデータ） (2026-04-19T11:33:25Z) - BWTA: Accurate and Efficient Binarized Transformer by Algorithm-Hardware Co-design [71.97035034203275]
バイナライゼーションにおけるゼロ点歪みを解析し,BWTA量子化方式を提案する。
本稿では,Smooth Multi-Stage Quantizationを提案し,レベルワイド・デグラデーション・ストラテジーとMagnitude Alignment Projection Factorを組み合わせた。
実験の結果、BWTAはTransformerベースのモデルに対して、GLUEでは平均3.5%、タスクでは2%未満の精度でフル精度のパフォーマンスにアプローチしていることがわかった。
論文 参考訳（メタデータ） (2026-04-05T04:25:07Z) - Resource-Efficient Iterative LLM-Based NAS with Feedback Memory [49.44875022114861]
ニューラルアーキテクチャサーチ(NAS)はネットワーク設計を自動化するが、従来の手法ではかなりの計算資源を必要とする。
本稿では,大規模言語モデル(LLM)を活用して,畳み込みニューラルネットワークアーキテクチャを反復的に生成し,評価し,洗練するクローズドループパイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-12T16:00:22Z)
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。