关于单标签和多标签神经网络解码器的最优性

《IEEE Access》:On the Optimality of Single-label and Multi-label Neural Network Decoders

【字体: 大 中 小 】 时间:2026年05月15日 来源:IEEE Access 3.6

编辑推荐:

   摘要:我们研究了两种最近被提出作为前向纠错解码器的神经网络(NN)架构:所谓的单标签NN(SLNN)和多标签NN(MLNN)解码器。据报道,这两种解码器分别在码字和比特级别上实现了接近最优的性能。文献中的结果表明,它们在多种短码上都能接近最优解。在本文中,我们通过分析证明了某些

  

摘要:

我们研究了两种最近被提出作为前向纠错解码器的神经网络(NN)架构:所谓的单标签NN(SLNN)和多标签NN(MLNN)解码器。据报道,这两种解码器分别在码字和比特级别上实现了接近最优的性能。文献中的结果表明,它们在多种短码上都能接近最优解。在本文中,我们通过分析证明了某些SLNN和MLNN架构实际上总是能够实现最优解码,而这与所使用的编码方式无关。这些最优架构及其二进制权重是由码本决定的,因此不需要进行训练或网络优化。我们提出的架构实际上并不是传统的NN,而是以不同的方式实现了最大似然解码规则。我们对汉明(7; 4)、极化(16; 8)和BCH(31; 21)码进行了数值验证,结果表明我们的最优架构(虽然不是NN)比文献中提出的SLNN和MLNN架构更为简单后者的性能仅接近最优。然而,对于更长码的扩展仍然受到维数灾难的影响。因此,尽管SLNN和MLNN可以执行最大似然解码,但这样的架构无法用于中等和长码。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号