پژوهش
شبکهٔ GBPNet دقت رمزگشایی کدهای خطی را بهبود می‌دهد
پژوهشگران در پیش‌چاپی در arXiv، شبکه‌ای عصبی معرفی کرده‌اند که طبق آزمایش‌ها، نرخ خطای بیت کمتری از الگوریتم‌های مرسوم و رمزگشاهای عصبی مقایسه‌شده دارد.
کدهای تصحیح خطا برای انتقال مطمئن داده در کانال‌های پرنویز به کار می‌روند. پژوهشگران در مقاله‌ای پیش‌چاپی، شبکهٔ Generalized Belief Propagation Network یا GBPNet را برای رمزگشایی کدهای خطی پیشنهاد کرده‌اند؛ شبکه‌ای که ساختار گراف Tanner و تقارن پیام‌رسانی را حفظ می‌کند و در عین حال امکان یادگیری بیشتری دارد.
GBPNet از به‌روزرسانی‌های زنجیره‌ای گره‌های متغیر و مقیاس‌دهیِ یادگرفتنیِ پیام‌ها در سطح عناصر استفاده می‌کند. نویسندگان همچنین دو راهبرد آموزشیِ progressive training و high-SNR training را برای بهبود دقت رمزگشایی معرفی کرده‌اند. بر اساس نتایج آزمایش روی چند کد خطی، این شبکه نرخ خطای بیت کمتری از belief propagation متعارف و رمزگشاهای عصبیِ پیشرفته‌ای که در پژوهش ارزیابی شده‌اند به دست آورده است. جزئیات عددی نتایج در چکیدهٔ ارائه‌شده ذکر نشده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده