LDPC codes: comparing cluster graphs to factor graphs

要約

我々は、LDPC コードのクラスター表現とファクター グラフ表現の比較研究を紹介します。
確率的グラフィカル モデルでは、クラスター グラフは推論中に確率変数間の有用な依存関係を保持します。これは、計算コスト、収束速度、および周辺確率の精度の点で有利です。
この研究では、LDPC コードのコンテキストでこれらの利点を調査し、クラスター グラフ表現が従来のファクター グラフ表現よりも優れていることを示しています。

要約(オリジナル)

We present a comparison study between a cluster and factor graph representation of LDPC codes. In probabilistic graphical models, cluster graphs retain useful dependence between random variables during inference, which are advantageous in terms of computational cost, convergence speed, and accuracy of marginal probabilities. This study investigates these benefits in the context of LDPC codes and shows that a cluster graph representation outperforms the traditional factor graph representation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google