Interpreting Neural Min-Sum Decoders

要約

タイトル：ニューラル・ミンサム・デコーダーの解釈
要約：

– 線形ブロックコードのデコーディングにおいて、信念伝播法（BP）デコーダーに学習可能なパラメータを導入することで、顕著な信頼性向上が得られることを示した。
– しかし、成功にもかかわらず、2つの主要な問題がある。1つ目は、学習された重みの解釈の欠如、もう1つは、AWGN以外のチャネルに対する分析の欠如である。
– この研究では、学習された重みの解釈とそれらが基礎となるコードの構造との関係を提供することで、このギャップを埋めることを目的としています。
– 重みは、コード内の短いサイクルの分布に強く影響を受けていることを示します。
– 次に、合成チャネルとオーバーザエアチャネルの非AWGNチャネルにおけるこれらのデコーダーの性能を調べ、複雑なチャネルではパラメータの数を増やすことが有効であることを示します。
– 最後に、学習された重みのデコーダーは、ガウス近似に基づいて解析的に最適化された重みのデコーダーよりも高い信頼性を実現します。

要約(オリジナル)

In decoding linear block codes, it was shown that noticeable reliability gains can be achieved by introducing learnable parameters to the Belief Propagation (BP) decoder. Despite the success of these methods, there are two key open problems. The first is the lack of interpretation of the learned weights, and the other is the lack of analysis for non-AWGN channels. In this work, we aim to bridge this gap by providing insights into the weights learned and their connection to the structure of the underlying code. We show that the weights are heavily influenced by the distribution of short cycles in the code. We next look at the performance of these decoders in non-AWGN channels, both synthetic and over-the-air channels, and study the complexity vs. performance trade-offs, demonstrating that increasing the number of parameters helps significantly in complex channels. Finally, we show that the decoders with learned weights achieve higher reliability than those with weights optimized analytically under the Gaussian approximation.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI