Concatenated Classic and Neural (CCN) Codes: ConcatenatedAE

要約

タイトル：Concatenated Classic and Neural (CCN) Codes: ConcatenatedAE

要約：

– 小さなニューラルネットワーク（NN）を誤り訂正のために使用することで、クラシックなチャネルコードを改善し、チャネルモデルの変更に対応可能になったことが示されている。
– 我々は、同じNNをワンホットエンコーディングの下で複数回使用し、外部のクラシックコードと直列に連結することで、そのような構造のコード次元を拡張する。
– 同じネットワークパラメータを持つNNを設計し、それぞれのReed-Solomon符号語記号を異なるNNの入力にする。
– 加算ガウシアンノイズチャネルのブロック誤り確率に関して、小さなニューラルコードと比較して格段の改善が示され、また、チャネルモデルの変更に対しても堅牢性があることが示されている。

要約(オリジナル)

Small neural networks (NNs) used for error correction were shown to improve on classic channel codes and to address channel model changes. We extend the code dimension of any such structure by using the same NN under one-hot encoding multiple times, then serially-concatenated with an outer classic code. We design NNs with the same network parameters, where each Reed-Solomon codeword symbol is an input to a different NN. Significant improvements in block error probabilities for an additive Gaussian noise channel as compared to the small neural code are illustrated, as well as robustness to channel model changes.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI