Neural Net Decoders for Linear Block Codes
DOI:
https://doi.org/10.14529/mmp190111Ключевые слова:
помехоустойчивое кодирование, нейросетевые декодеры, нейросетевая классификация.Аннотация
Работа посвящена нейросетевым декодерам линейных блочных кодов. Рассмотрены аналитические методы расчета синаптических весов, базирующиеся на использовании порождающей и проверочной матриц. Показано, что для построения нейросетевого декодера на основе проверочной матрицы достаточно четрырехслойной нейронной сети прямого распространения. Определены функции активации и весовые матрицы для каждого из слоев, а также количество весовых коэффициентов нейросетвого декодера. Рассмотрен пример исправления ошибок приведенным декодером при использовании кода БЧХ. В качестве частного случая нейросетевого декодера, построенного на основе проверочной матрицы, предложена модель для декодирования кодов Хэмминга. Данная модель представляет собой двухслойную нейронную сеть прямого распространения с числом нейронов, равным длине кодового слова, и числом весовых коэффициентов, равным квадрату длины кодового слова. Приведены графики зависимостей количества синаптических связей нейросетевых декодеров, построенных на основе порождающей и проверочной матриц, от числа информационных бит и числа исправляемых ошибок.Библиографические ссылки
Zeng G., Hush D., Ahmed N. An Application of Neural Net in Decoding Error-Correcting Codes. IEEE International Symposium on Circuits and Systems, 1989, vol. 2, pp. 782–785. DOI: 10.1109/ISCAS.1989.100467
Htay M.M. A Computational Framework for Eicient Error Correcting Codes Using an Artificial Neural Network Paradigm. PhD Dissertation. Louisiana State University and Agricultural and Mechanical College, 1992.
Ortu´o I., Ortu´o M., Delgado J. Error Correcting Neural Networks for Channels with Gaussian Noise. IJCNN International Joint Conference on Neural Networks, Baltimore, 1992, vol. 4, pp. 295–300.
Ja-Ling Wu, Yuen-Hsien Tseng, Yuh-Ming Huang. Neural Network Decoders for Linear Block Codes. International Journal of Computational Engineering Science, 2002, vol. 3, no. 3, pp. 235–255. DOI: 10.1142/S1465876302000629
Berezkin A.A. [Construction of Optimal Neural Decoders Block Codes]. St. Petersburg Polytechnic University Journal, 2008, no. 5, pp. 34–41. (in Russian)
Nachmani E., Be´ery Y., Burshtein D. Learning to Decode Linear Codes Using Deep Learning. 54th Annual Allerton Conference on Communication, Control, and Computing (Allerton), Monticello, 2016, pp. 341–346. DOI: 10.1109/ALLERTON.2016.7852251
Nachmani E., Marciano E., Burshtein D., Be´ery Y. RNN Decoding of Linear Block Codes, 2017. Available at: arXiv.1702.07560.
Lugosch L., Gross W.J. Neural Offset Min-Sum Decoding. IEEE International Symposium on Information Theory (ISIT), Aachen, 2017, pp. 1361–1365. DOI: 10.1109/ISIT.2017.8006751
