通信システムにおけるスパース線形逆問題の解決:適応深さによる深層学習アプローチ【JST・京大機械翻訳】

Chen Wei; Zhang Bowen; Jin Shi; Ai Bo; Zhong Zhangdui

プレプリント

J-GLOBAL ID：202202219778163809 整理番号：21P0057663

通信システムにおけるスパース線形逆問題の解決:適応深さによる深層学習アプローチ【JST・京大機械翻訳】

Solving Sparse Linear Inverse Problems in Communication Systems: A Deep Learning Approach With Adaptive Depth

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 (5件)： , , , ,
資料名：
発行年： 2020年10月29日プレプリントサーバーでの情報更新日： 2020年10月29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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

雑音のある線形測定からのスパース信号回復問題は無線通信の多くの領域に現れる。近年,深層学習(DL)ベースのアプローチは,ニューラルネットワークとして反復アルゴリズムによって,スパース線形逆問題を解くための研究者の関心を引きつけてきた。通常,DLに関する研究は,固定数のネットワーク層を仮定する。しかし,それは,従来の反復アルゴリズムにおける重要な特性を無視して,そこで,収束変化に必要な反復の数は,様々なスパース性レベルによって変化した。投影された勾配降下を調べることにより,固定深さを有する既存のDL法の欠点を明らかにした。次に,著者らは,各層において余分な停止スコアを含むエンドツーエンド訓練可能DLアーキテクチャを提案した。したがって,提案方法は,出力を放つために多くの層がどのように実行するかを学習し,ネットワーク深さを推論段階で各タスクに対して動的に調整した。大規模MTCと大規模MIMOチャネル推定におけるランダムアクセスを含む合成データとアプリケーションの両方を用いて実験を行い,その結果,提案した方法に対する効率の改善を実証した。【JST・京大機械翻訳】

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

信号理論 , 医用画像処理 , 通信網

, , , ,

前のページに戻る