지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김상효
- 발행연도
- 2019
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (4)
2018
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 선형 부호에 대한 다양한 딥 러닝(deep learning) 구조의 복호기가 제안되었으며, 극 부호에 적용된 신경망 구조의 복호기는 충분히 학습된 경우 최적의 복호 성능에 근접하는 것을 보였다. 딥 러닝을 적용한 복호기는 원샷 복호(one-shot decoding)이므로, 저지연(low-latency) 복호가 가능하다. 본 논문에서는 신경망 극 부호 복호기의 실용적 이용을 위해 다양한 부호율의 부호에서 전반적으로 우수한 성능을 가지는 복호기를 위한 학습 기법을 다룬다. 극 부호는 설계 특성상, 부호 길이가 제한되므로 극 부호의 길이 호환성을 위한 천공(puncturing) 기법을 적용해야 한다. 하지만 기존 연구에서는 천공 부호에 대해 고려하지 않고, 모부호만을 이용하여 성능 비교가 이루어졌다. 따라서 본 논문에서는 천공 기법이 적용된 극 부호에 대한 다양한 구조의 기존 신경망 복호기의 성능을 확인하고, 천공된 부호를 효율적으로 학습하는 기법을 제안한다.
목차
제 1 장 서론 1제 2 장 관련 연구 31. 심층 신경망 구조의 복호기 32. 심층 신경망 복호기의 학습 83. 길이 호환적 극 부호를 위한 천공 기법 9제 3 장 천공 부호를 위한 신경망 복호기의 학습 기법 111. 여러 신경망 구조에 따른 신경망 극 부호 복호기의 천공 부호에 대한 성능 112. 효율적인 천공 부호의 학습을 위한 신경망 극 부호 복호기 19제 4 장 결론 32
최근 본 자료
댓글(0)
0