文献

J-GLOBAL ID：202202290406264984   整理番号：22A0780222

理論的保証付き深層ニューラルネットワークによる大量アクセスのためのアルゴリズムアンローリング【JST・京大機械翻訳】

Algorithm Unrolling for Massive Access via Deep Neural Networks With Theoretical Guarantee

著者 (4件)： Shi Yandong (School of Information Science and Technology, ShanghaiTech University, Shanghai, China) ,  Choi Hayoung (Department of Mathematics, Kyungpook National University, Daegu, South Korea) ,  Shi Yuanming (School of Information Science and Technology, ShanghaiTech University, Shanghai, China) ,  Zhou Yong (School of Information Science and Technology, ShanghaiTech University, Shanghai, China)
資料名： IEEE Transactions on Wireless Communications  (IEEE Transactions on Wireless Communications)
巻： 21  号： 2  ページ： 945-959  発行年： 2022年 
JST資料番号： W1329A  ISSN： 1536-1276  CODEN： ITWCAX  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： 大規模アクセスはモノのインターネット(IoT)ネットワークの重要な設計課題である。本論文では,多重アンテナ基地局(BS)と多数の単一アンテナIoTデバイスを持つIoTネットワークの無料のアップリンク伝送を考察した。IoTデバイスの散発性を考慮して,グループスパース行列推定問題として共同活動検出とチャネル推定(JADCE)問題を定式化した。この問題は,既存の圧縮センシング技術を適用することにより解くことができるが,しかし,それは高い計算複雑性またはアルゴリズムロバスト性の欠如に悩まされる。この目的のために,JADCE問題を解くための低計算量と高ロバスト性を同時に達成するために,深層ニューラルネットワークに基づく新しいアルゴリズム非回転フレームワークを提案した。特に,元の反復収縮閾値化アルゴリズム(ISTA)を非圧延再帰ニューラルネットワーク(RNN)に写像し,それによってエンドツーエンド訓練を通して収束速度と計算効率を改善した。さらに,提案アルゴリズムは,ISTAの構造とドメイン知識を継承し,それにより,アルゴリズムロバスト性を維持し,それにより,大規模アクセスにおける非Gaussプリアンブルシーケンスマトリックスを処理することができた。厳密な理論解析により,冗長訓練パラメータを減らすことにより,非圧延ネットワーク構造をさらに単純化する。さらに,単純化非圧延深層ニューラルネットワーク構造が線形収束速度を楽しむことを証明した。種々のプリアンブル署名に基づく大規模なシミュレーションは,提案した非圧延ネットワークが収束速度,ロバスト性および推定精度に関して既存の方法より優れていることを示した。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： *アルゴリズム ,  アンテナ ,  速度 ,  簡素化 ,  冗長性 ,  *ネットワーク ,  圧延 ,  *ニューラルネットワーク ,  基地局 ,  計算量 ,  エンドツーエンド方式 ,  定式化 ,  ロバスト性
準シソーラス用語： プリアンブル ,  収束速度 ,  アップリンク , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： 理論 ,  保証 ,  深層ニューラルネットワーク ,  アクセス