文献

J-GLOBAL ID：202202267480437371   整理番号：22A0396612

短距離光相互接続における等化のための低複雑度マルチタスク学習支援ニューラルネットワーク【JST・京大機械翻訳】

Low-Complexity Multi-Task Learning Aided Neural Networks for Equalization in Short-Reach Optical Interconnects

著者 (4件)： Xu Zhaopeng (Department of Electrical and Electronic Engineering, The University of Melbourne, Parkville, VIC, Australia) ,  Dong Shuangyu (Department of Electrical and Electronic Engineering, The University of Melbourne, Parkville, VIC, Australia) ,  Manton Jonathan H. (Department of Electrical and Electronic Engineering, The University of Melbourne, Parkville, VIC, Australia) ,  Shieh William (Department of Electrical and Electronic Engineering, The University of Melbourne, Parkville, VIC, Australia)
資料名： Journal of Lightwave Technology  (Journal of Lightwave Technology)
巻： 40  号： 1  ページ： 45-54  発行年： 2022年 
JST資料番号： H0922A  ISSN： 0733-8724  CODEN： JLTEDG  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： 近年の機械学習技術の急速な発展により,異なるタイプのニューラルネットワーク(NN)ベースの等化器が提案され,短範囲直接検出光相互接続における非線形障害を扱うための効率的なディジタル信号処理ツールであることを証明した。しかし,これらのNNベース等化器に対する一つの主要な関心事は,実時間実装を考慮して,シンボル当たり数10の乗算が実際に取り扱うことができるので,それらの計算量(CC)である。本論文では,マルチタスク学習によりヒントを得たNNベースマルチシンボル等化方式を提案した。従来の単一出力NNベースの等化器と比較して,CCは,提案した方式の助けを借りて著しく低減することができた。50-Gb/s25kmパルス振幅変調(PAM)-4直接検出光リンクを,実験的に行い,3つの異なる型のNN,すなわち,フィードフォワードNN(FNN),カスケードFNN(C-FNN),および再帰NN(RNN)を,提案したマルチシンボル等化方式に採用した。実験結果は,対応する単一出力NNと比較して,FNN/C-FNN/RNNベースマルチシンボル等化により,43.2%/41.1%/44.0%の最大CC低減を達成できることを示した。提案と従来のFNN/C-FNNベーススキームの最良性能は同じであり,一方,RNNベース方式はわずかなシステム性能を犠牲にする。マルチシンボル等化によって,種々のNNのための1シンボルを回復するのに必要なCCは,約数十の乗算に低減でき,これらのNNベースの等化器のリアルタイム実装の実現可能性を示した。Copyright 2022 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： *ニューラルネットワーク ,  等化器 ,  フィードフォワード ,  *等化 ,  PAM【信号】 ,  計算量
準シソーラス用語： 光インターコネクション ,  光リンク ,  ディジタル信号処理 ,  複雑度 ,  システム性能 ,  *マルチタスク学習 ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (6件)： 光相互接続 ,  等化 ,  複雑度 ,  マルチタスク ,  学習支援 ,  ニューラルネットワーク