文献

J-GLOBAL ID：202002252707484775   整理番号：20A1338775

高速受信機適応のための自己進化カスケード深層学習モデル【JST・京大機械翻訳】

Self-Evolution Cascade Deep Learning Model for High-Speed Receiver Adaptation

著者 (5件)： Li Bowen (Department of Electrical and Computer Engineering, North Carolina State University, Raleigh, NC, USA) ,  Jiao Brandon (Xilinx Inc., San Jose, CA, USA) ,  Chou Chih-Hsun (Xilinx Inc., San Jose, CA, USA) ,  Mayder Romi (Xilinx Inc., San Jose, CA, USA) ,  Franzon Paul (Department of Electrical and Computer Engineering, North Carolina State University, Raleigh, NC, USA)
資料名： IEEE Transactions on Components, Packaging, and Manufacturing Technology  (IEEE Transactions on Components, Packaging, and Manufacturing Technology)
巻： 10  号： 6  ページ： 1043-1053  発行年： 2020年 
JST資料番号： W0590B  ISSN： 2156-3950  CODEN： ITCPC8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： IBISアルゴリズムモデリングインタフェイス(IBIS-AMI)は,エンドツーエンド高速シリアルリンクシミュレーションのための,逐次装置/デザイザイザ(SerDes)挙動をモデル化するための標準方法論になった。一方,機械学習(ML)技術はブラックボックスシステム挙動を模倣することができる。本論文では,適応SerDes挙動を効果的にモデリングするための並列アプローチを示す自己進化カスケード深層学習(SCDL)モデルを提案した。特に,提案した自己誘導学習方法論は,受信機等化適応傾向の予測に従って,その将来の解探索を最適化するために,それ自身の故障経験を使用する。提案したSCDLモデルは,高い相関適応結果を与えることができ,一方,適応シミュレーション時間は従来のIBIS-AMIモデルよりはるかに速かった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  故障 ,  *受信機 ,  等化 ,  エンドツーエンド方式 ,  機械学習
準シソーラス用語： 自己誘導 ,  学習方法 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： プリント回路  (NA05040O) ,  計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (7件)： 受信機 ,  適応 ,  自己 ,  進化 ,  カスケード ,  深層学習 ,  モデル