神経容量推定の展望:生存と信頼性【JST・京大機械翻訳】

Mirkarimi Farhad; Rini Stefano; Farsad Nariman

プレプリント

J-GLOBAL ID：202202212888700449 整理番号：22P0308443

神経容量推定の展望:生存と信頼性【JST・京大機械翻訳】

A Perspective on Neural Capacity Estimation: Viability and Reliability

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年10月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近,深層ニューラルネットワークを用いてサンプルデータから相互情報を推定するためのいくつかの方法が提案されてきた。これらの推定器は,神経相互情報推定(NMIE)と呼ばれる。NMIEは,それらがデータ駆動推定量であるので,他のアプローチとは異なる。そのようなように,それらは大きなクラスの容量問題でよく機能できる可能性がある。種々のNMIEsの性能を試験するために,容量推定の種々の課題を含むベンチマークを確立することが望ましい。これは,この論文の目的である。特に,古典的AWGNチャネル,iiチャネル連続入力光強度,およびピーク電力制約AWGNチャネルiiiチャネルを,離散出力,すなわちPoissonチャネルを持つベンチマークの3つのシナリオを考察した。また,AWGNと光MACモデルを持つマルチ端末ケースへの拡張を考察した。これらの4つのシナリオにわたってあるNMIEをベンチマークすることは,性能の実質的試験を提供すると主張する。本論文では,相互情報ニューラル推定器(MINE),平滑化相互情報下限推定器(SMILE),および有向情報ニューラル推定器(DINE)の性能を研究した。また,他の方法の性能に関する洞察を提供する。ベンチマーク結果を要約するために,MINEは,最も信頼できる性能を提供する。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

無線通信一般

, , ,

前のページに戻る