球解码中的更快投影
本文针对带有整数解的方程组进行了研究,并提出了一种基于 $L_0$- 范数约束的稀疏感知球译码算法,该算法的复杂度分析表明,其在特定的应用场景中比传统算法具有更优秀的性能和速度。此外,作者还进一步降低了算法的搜索空间,并在稀疏信道估计应用案例中演示了该算法的性能接近于理论下限。
Feb, 2014
该研究提出一种基于深度学习的球译码算法,可以通过深度神经网络学习解码球的半径,从而在高维多输入多输出系统中使用高阶调制,在广泛的信噪比范围内实现接近最优最大似然解码的性能,大大降低了计算复杂度。
Jul, 2018
提出了一种新型高效的神经解码算法,结合神经置信传播算法和自同构群置换,实现了近乎最大似然性能的高密度奇偶校验码的解码,并显著降低了解码复杂度;此外,通过探究训练过程,加速了学习过程,通过模拟 Hessian 矩阵和条件数进一步说明了加速的原因,同时展示了算法在各种长度为 63 位及以下的线性分组码的解码效果。
Jan, 2018
研究使用线性节目(LP)编码进行错误纠正,使用优化论的分解方法,开发了一种有效的分布式算法,它具有比置信传递解码器更强的理论保证,并可以用于高效地译码大规模错误纠正码,同时避免了误差底座问题。
Apr, 2012
使用反照性球面投影从欧几里得平面小波框架构建球面小波分析,并通过快速算法进行方向连续小波分析,节约 O (sqrt (Npix)) 的计算时间,使个人电脑能在 10^6 像素地图上进行方向球面小波分析。
Jun, 2005
本文开发了一个线性规划边界的球体装配类比,用于证明并提出球体装配密度的上界,这是至少在 4 到 36 维度上已知的最佳边界,并猜测该方法可用于解决 8 和 24 维度的球体装配问题。
Oct, 2001
本文提出了基于惩罚对偶分解(PDD)框架的 PDD 算法,并将机器学习技术集成到 PDD 解码算法的最耗时部分 —— 检查多面体投影(CPP)中,提出了特别设计的神经 CPP(NCPP)算法来降低解码延迟。仿真结果表明,所提出的算法是有效的
Jun, 2020