文献

J-GLOBAL ID：202102242766728589   整理番号：21A0424121

深層学習による学習可能反復アルゴリズムの開発とビームフォーミングへの応用

著者 (1件)： 高邉賢史 (名古屋工大 大学院)
資料名： 電気通信普及財団研究調査助成報告書(Web)
号： 35  ページ： WEB ONLY  発行年： 2020年 
JST資料番号： U2205A  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・無線通信における深層展開に基づく学習可能反復アルゴリズムを次世代無線通信技術として期待されるマルチキャストビームフォーミングに適用。
・具体的には,1)深層展開型勾配法の理論的解析,2)マルチキャストビームフォーミングに関する深層展開型ビーム設計について論述。
・特に,DU-POCS-BP(深層展開-凸射影法-有界摂動)法を詳述。

シソーラス用語： *無線伝送 ,  *ビーム成形 ,  アルゴリズム ,  *機械学習 ,  傾斜法 ,  マルチキャスト ,  射影 ,  摂動 ,  最適化問題 ,  ビームフォーミング ,  深層学習 ,  反復アルゴリズム
準シソーラス用語： 勾配法 ,  無線通信

分類 (2件)： 無線通信一般  (ND08010L) ,  人工知能  (JE08000Z)

引用文献 (7件)：

• T. J. O'Shea and J. Hoydis, “An introduction to deep learning for the physical layer,” IEEE Trans. Cognitive Comm. Networking, no. 3, pp. 563-575, 2017.
• K. Gregor and Y. LeCun, “Learning fast approximations of sparse coding,” Proc. 27th Int. Conf. Machine Learning, pp. 399-406, 2010.
• D. P. Kingma and J. L. Ba, “Adam: A method for stochastic optimization,” arXiv:1412.6980, 2014.
• W. Xia, G. Zheng, Y. Zhu, J. Zhang, J. Wang, and A. P. Petropulu, “A deep learning framework for optimization of MISO downlink beamforming,” IEEE Trans. Commun., vol. 68, no. 3, pp. 1866-1880, Mar. 2020.
• J. Fink, R. L. G. Cavalcante, and S. Stanczak, “Multicast beamforming using semidefinite relaxation and bounded perturbation resilience,” ICASSP, IEEE Int. Conf. Acoust. Speech Sig. Process., vol. 2019-May, pp. 4749-4753, 2019.

タイトルに関連する用語 (6件)： 深層学習 ,  学習 ,  反復アルゴリズム ,  開発 ,  ビームフォーミング ,  応用