文献

J-GLOBAL ID：202102250679762055   整理番号：21A0664441

分子通信のための深層学習ベース記号検出【JST・京大機械翻訳】

Deep Learning based Symbol Detection for Molecular Communications

著者 (3件)： Sharma Sanjeev (EC, IIT (BHU),Varanasi) ,  Dixit Dharmendra (ECE, REC,Sonbhadra,India) ,  Deka Kuntal (ES, IIT,Goa,India,403401)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ANTS  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 分子通信(MC)は,ナノネットワークおよびバイオナノTingsベースの応用のインターネットにおいて不可欠な役割を果たすことができる。しかし,分子の遅い拡散によるシンボル間干渉(ISI)は,システムの性能を著しく劣化させる。本論文では,MCにおけるデータ記号を解読するための深層学習(DL)ベース受信機設計を提案した。提案したDLベース受信機(DLR)は,データ記号を解読するために暗黙的にチャネル状態情報と閾値(s)を必要としない。DLRは,拡散チャネル統計に基づくシミュレーションから生成されたデータ記号を適用することによりオフラインで訓練され,次にオンライン送信データシンボルを直接回復するために使用される。拡散係数,ノイズおよびISIレベル,およびフレーム継続時間のような種々のシステムパラメータの影響をDLRに対して解析した。また,DLRの性能を従来の検出法と比較した。結果は,DLRがMCシステム設計において実行可能で実用的な選択であることを示した。Copyright 2021 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： 拡散係数 ,  雑音 ,  システム設計 ,  符号間干渉 ,  *受信機 ,  検出法 ,  チャネル ,  継続時間 ,  インターネット
準シソーラス用語： チャネル状態情報 ,  システムパラメータ ,  オンライン ,  *分子通信 ,  ナノネットワーク ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 分子通信 ,  深層学習 ,  記号