Dec, 2023

DoDo-Code：一种基于深度 Levenshtein 距离嵌入的 IDS 信道和 DNA 存储编码

PDF
TL;DR利用深度 Levenshtein 距离嵌入技术，本文提出了 DoDo-Code，这是一种 IDS 纠错码，它能在 DNA 存储中具有优秀的性能和低冗余率。
dna storagelevenshtein distanceids-correcting codedeep embeddingdodo-code
发现论文，激发创造
  • 基于泊松回归的 Levenshtein 距离嵌入 DNA 存储

    使用泊松回归提出了一种基于神经网络的序列嵌入技术，通过将 Levenshtein 距离映射为嵌入向量之间的常规距离来解决问题，并在真实的 DNA 存储数据上证明了该方法相比于现有方法具有更高的性能。

    Dec, 2023

  • 基于深度学习的插入删除通道标记代码检测

    基于深度学习的两种 CSI - 无关检测算法的研究，展示了比原始检测算法有显著提升的错误性能，并表现出对未知信道模型更好的错误性能。

    Jan, 2024

  • 基於隱式神經網絡的 DNA 數據存儲的多描述方法

    我们研究了 DNA 数据存储的新的压缩方案和利用神经网络进行多重描述编码的前沿技术，通过实验结果证明，我们的解决方案在 DNA 数据存储领域中与最新研究方法相媲美，具有更高的压缩率和更强的噪声鲁棒性。

    Sep, 2023

  • 文本联合源通信深度学习

    本文考虑了在噪声信道上传输结构化数据（例如自然语言）的联合源编码和信道编码问题，提出了基于深度学习编码器和解码器以及将句子嵌入语义空间后进行联合编码的方法，旨在同时最小化端到端失真和字错误率。

    Feb, 2018

  • 嵌入 - 搜索 - 对齐：使用 Transformer 模型进行 DNA 序列对齐

    DNA-ESA 是一种新颖的编码器模型，通过产生读数和参考片段的表示，将其投影到共享向量空间，其中读段的距离用作对准的替代指标。

    Sep, 2023

  • 学习 K 维 D 维离散码以达到紧凑嵌入表示

    使用 KD 编码的嵌入方法及基于随机梯度下降的离散优化技术，在语言建模实验中成功将嵌入参数减少了 97%，且优化了参数化效率和防止过拟合问题。

    Nov, 2017

  • 学习 K-way D 维离散码以实现紧凑的嵌入表示

    文中提出一种替换 “one-hot” 编码的更紧凑的 K 路 D 维离散编码方案，称为 “KD 编码”。通过基于随机梯度下降的松弛离散优化方法，可以端到端地学习语义上有意义的编码，实验证明该方案在各种自然语言处理和图卷积网络应用中，可以将嵌入层的总大小减少高达 98％，同时实现类似或更好的性能。

    Jun, 2018

  • 编辑距离的卷积嵌入

    本文提出了一种基于深度学习的 CNN-ED 管道，将编辑距离嵌入欧几里得距离以进行快速近似相似度搜索来优化字符串相似度搜索。实验结果表明，与数据无关的 CGK 嵌入和基于 RNN 的 GRU 嵌入相比，基于 CNN 的嵌入在准确性和效率方面都优于前者，有时效率提高了若干个数量级。

    Jan, 2020

  • 基于综合症的线性码解码的深度学习方法

    提出了一种新的框架，可以将深度神经网络应用于任意块长度的线性码的软译码，其中使用递归神经网络结构以及排序统计解码算法进行预处理来提高性能。

    Feb, 2018

  • 深度学习中的反馈码

    本文提出了一种基于深度学习的新型编码方案，应用于高斯噪声信道，并结合信息论洞见，有效提升了通信可靠性，相较于过去几十年间研制的编码方案提高了 3 个数量级。

    Jul, 2018