文献

J-GLOBAL ID：202002270509685761   整理番号：20A0265866

軌道角運動量(OAM)復号化のための永続的ホモロジーによる深層学習【JST・京大機械翻訳】

Deep Learning With Persistent Homology for Orbital Angular Momentum (OAM) Decoding

著者 (3件)： Rostami Soheil (Helsinki R&D Center, Huawei Technologies Oy (Finland) Co., Ltd., Helsinki, Finland) ,  Saad Walid (Bradley Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA) ,  Hong Choong Seon (Department of Computer Science and Engineering, Kyung Hee University, Seoul, South Korea)
資料名： IEEE Communications Letters  (IEEE Communications Letters)
巻： 24  号： 1  ページ： 117-121  発行年： 2020年 
JST資料番号： W0941A  ISSN： 1089-7798  CODEN： ICLEF6  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： 軌道角運動量(OAM)符号化は,自由空間光通信のチャネル容量を増加させる有効な手法として最近出現した。本稿では,OAMベースの復号化を教師つき分類問題として定式化した。厳しい大気擾乱の存在下でより低い誤差率を維持するために,持続的な相同性と畳込みニューラルネットワーク(CNNs)から効果的な機械学習ツールを組み合わせた新しいアプローチを提案し,OAMモードを復号化した。学習可能なパラメータを持つGaussカーネルを,CNNに対する永続的な相同性を接続するために提案し,OAMモードに対するロバストでユニークなトポロジー的特徴を抽出し識別することを可能にした。シミュレーション結果は,提案した方式が,CNNsだけに基づく方法の最先端技術の上で分類精度比率において20%までの利得を達成することを示した。これらの結果は,幾何学的およびトポロジー的特徴がOAMモード分類問題において重要な役割を果たすことを本質的に示した。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： 通信路容量 ,  利得 ,  定式化 ,  ロバスト性 ,  位相幾何学 ,  *学習 ,  大気擾乱 ,  *ホモロジー ,  シミュレーション ,  相同性 ,  *復号化
準シソーラス用語： 畳込みニューラルネットワーク ,  自由空間光通信 ,  *深層学習 ,  *軌道角運動量 , 【Automatic Indexing@JST】

分類 (3件)： 符号理論  (ND02030R) ,  音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 軌道角運動量 ,  OAM ,  復号化 ,  ホモロジー ,  深層学習