Нейросетевой имитатор нестационарной среды в адаптивной системе передачи данных
Российский научный фонд, Конкурс 2018 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными, № 18-79-00080
Невзоров А.А.1, Орлов А.А.1, Станкевич Д.А.1
1Волгоградский государственный университет, Волгоград, Россия
Email: terrapevt@mail.ru, stankevich@volsu.ru
Поступила в редакцию: 11 апреля 2019 г.
Выставление онлайн: 19 июня 2019 г.
Описывается новый метод оптимизации канала передачи данных, основанный на применении нейросетевого имитатора нестационарной физической среды. Эксперименты показали, что метод при малом отношении сигнал/шум позволяет уменьшить вероятность ошибки приема до уровня, соответствующего двоичной фазовой манипуляции. Ключевые слова: нейронные сети, адаптивные системы связи, моделирование физической среды.
- Lohani S., Glasser R.T. // Opt. Lett. 2018. V. 43. P. 2611--2614. DOI: 10.1364/OL.43.00261
- Dorner S., Cammerer S., Hoydis J., Brink S. // IEEE J. Sel. Top. Sig. Proc. 2018. V. 12. P. 132--143. DOI: 10.1109/JSTSP.2017.2784180
- O'Shea T., Hoydis J. // IEEE Trans. Cogn. Commun. Network. 2017. V. 3. P. 563--575. DOI: 10.1109/TCCN.2017.2758370
- Farsad N., Goldsmith A. // IEEE Trans. Sig. Proc. 2018. V. 66. P. 5663--5678. DOI: 10.1109/TSP.2018.2868322
- Ye H., Li G.Y., Juang B.-H.F., Sivanesan K. // Proc. IEEE Glob. Commun. Conf. 2018. DOI: 10.1109/GLOCOMW.2018.8644250
- Николенко С.И., Кадурин А.А., Архангельская Е.О. Глубокое обучение. СПб.: Питер, 2018. 480 с
- Kingma D., Ba J. arXiv: 1412.6980 (2014)
Подсчитывается количество просмотров абстрактов ("html" на диаграммах) и полных версий статей ("pdf"). Просмотры с одинаковых IP-адресов засчитываются, если происходят с интервалом не менее 2-х часов.
Дата начала обработки статистических данных - 27 января 2016 г.
