Dec, 2023

基于优化神经编码的能效型脉冲神经网络均衡在 IM/DD 系统中的应用

PDF
TL;DR我们提出了一种基于脉冲神经网络的 IM/DD 系统的高效能均衡器，通过优化神经脉冲编码来提高均衡器的性能，同时降低能量消耗。
energy-efficient equalizerim/dd systemsspiking neural networksneural spike encodingenergy consumption
发现论文，激发创造
  • 脉冲神经网络决策反馈均衡技术用于 IM/DD 系统

    本研究使用有决策反馈结构的脉冲神经网络（SNN）均衡器应用于具有不同参数的 IM / DD 链路，结果发现 SNN 优于线性和人工神经网络（ANN）均衡器。

    Apr, 2023

  • 脉冲神经网络决策反馈均衡

    本文在通信工程中对脑神经元类似的尖峰神经网络（SNN）进行了研究，提出了一种类似于决策反馈均衡器（DFE）的基于 SNN 的均衡器，并展示了其相比于传统的线性均衡器在三个典型信道上明显的优化效果，为实现低功耗的通信系统提供了可行方案。

    Nov, 2022

  • 使用自适应脉冲编码器 - 解码器网络进行准确高效的基于事件的语义分割

    本文提出了一种高效的 SNN 编码器 - 解码器网络，并结合层次搜索来优化编码器，从而实现对大规模事件信号的语义分割任务。此外，利用神经元固有的自适应阈值来调节网络激活，并开发了双通道刺激的空间自适应调制 (SSAM) 块，显著提高了网络性能，从而使得 SNN 在事件驱动的视觉任务上的表现优于 ANN 达到 72.57% 和 57.22% 的平均交并比 (MIoU)，并且具有更低的计算成本。

    Apr, 2023

  • 多任务学习提升相干光系统中神经网络均衡器的通用性

    首次提出多任务学习用于改进相干系统中基于 NN 的均衡器的灵活性。单个基于 NN 的均衡器与 CDC 相比可提高 Q 因数高达 4dB，无需重新训练，即使发射功率、符号速率或传输距离有变化。

    Jul, 2023

  • 针对神经形态应用优化突触神经网络的能耗消耗

    该文介绍了将卷积神经网络转化为脉冲神经网络的方法，并探讨了量化感知的训练及优化策略对于能效的影响，实验表明转换后的网络在维持相似准确率的情况下具有更低的能量消耗。

    Dec, 2019

  • 112Gbit/s 无源光网络严重非线性畸变的全盲神经网络均衡

    我们展示并评估了一种针对 100G 无源光网络的全盲数字信号处理链路，并分析了基于神经网络的低硬件复杂度的不同均衡器拓扑结构。

    Jan, 2024

  • 双向循环神经网络在色散强度调制信道上进行端到端优化传输

    本研究提出一种基于序列自编码收发器的双向深度循环神经网络（BRNN)，该网络使用滑动窗口技术来实现高效数据流估计。我们发现，这种滑动窗口 BRNN 相比之前的基于块的前馈神经网络（FFNN）自编码器在所有检测的距离上都能显著降低误码率，从而增加传输距离。与 FFNN 接收器实现的基于两级脉冲幅度调制的最新 IM/DD 方案相比较，我们的结果表明，在训练更少的参数的情况下，SBRNN 在 42 和 84 Gb /s 下均优于这些系统。我们的新型 SBRNN 设计旨在为具有存储器的非线性信道（例如光学 IM/DD 光纤信道）的端对端深度学习系统进行定制。

    Jan, 2019

  • SICNN: 软干扰消除启发式神经网络均衡器

    在本文中，我们提出了一种名为 SICNN 的基于神经网络（NN）的等化方法，它通过模型的深度展开，在消除了模型方法的主要缺点的同时，还实现了对传统通信系统中的等化性能的显著提升。

    Aug, 2023

  • 相干光系统中神经网络均衡器的性能与复杂度研究

    本研究采用多种人工神经网络，采用 Bayesian optimizer 优化的方式进行非线性通道均衡，使用实验验证了不同神经网络的性能、复杂度和复杂度的权衡，并表明在没有复杂度限制下，CNN + biLSTM 是最佳选项，而在复杂度限制较低时，三层感知器提供最佳性能。

    Mar, 2021

  • 光纤传输均衡的低复杂度卷积神经网络

    本文提出了一种卷积神经网络来缓解纤维传输效应，其可减少可训练参数五倍并比替代均衡器的 MSE 在复杂程度相当的条件下获得 3.5 dB 的改进。

    Oct, 2022