Kernekoncepter
모듈식 베이지안 딥러닝은 기존의 모델 기반 데이터 주도 수신기 아키텍처에 베이지안 학습을 통합하여 내부 모듈의 신뢰성을 높이고, 이를 통해 전체 수신기 성능과 신뢰성을 향상시킨다.
Resumé
이 논문은 모델 기반 데이터 주도 수신기 아키텍처에 베이지안 학습을 통합하는 새로운 방법론인 모듈식 베이지안 딥러닝을 제안한다.
모듈식 베이지안 딥러닝은 기존의 모델 기반 데이터 주도 수신기 아키텍처를 활용하면서, 각 내부 모듈에 베이지안 학습을 적용한다. 이를 통해 내부 모듈의 출력 신뢰성을 높이고, 이는 전체 수신기 성능 향상으로 이어진다.
구체적으로 MIMO 수신기에 적용하여, DeepSIC 등화기와 가중 신념 전파 소프트 디코더에 모듈식 베이지안 학습을 적용하였다. 실험 결과, 제안 방식이 기존의 빈도주의 학습 및 비모듈식 베이지안 학습 대비 성능과 신뢰성이 향상됨을 보였다.
Statistik
파일럿 데이터는 전체 블록의 2.5%에 불과하다.
8-PSK 변조 시 제안 방식은 기존 방식 대비 최대 1.5dB의 SER 성능 향상을 보였다.
제안 방식은 특히 SNR이 높은 경우 더 큰 성능 이득을 보였다.
Citater
"모듈식 베이지안 딥러닝은 기존의 모델 기반 데이터 주도 수신기 아키텍처에 베이지안 학습을 통합하여 내부 모듈의 신뢰성을 높이고, 이를 통해 전체 수신기 성능과 신뢰성을 향상시킨다."
"실험 결과, 제안 방식이 기존의 빈도주의 학습 및 비모듈식 베이지안 학습 대비 성능과 신뢰성이 향상됨을 보였다."