抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】