Том 12, № 1Страницы 129 - 136

Neural Net Decoders for Linear Block Codes

V.N. Dumachev, A.N. Kopylov, V.V. Butov
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.
Полный текст
Ключевые слова
помехоустойчивое кодирование; нейросетевые декодеры; нейросетевая классификация.
Литература
1. Zeng, G. An Application of Neural Net in Decoding Error-Correcting Codes / G. Zeng, D. Hush, N. Ahmed // IEEE International Symposium on Circuits and Systems. - 1989. - V. 2. - P. 782-785.
2. Htay, M.M. A Computational Framework for Eicient Error Correcting Codes Using an Artificial Neural Network Paradigm. PhD Dissertation / M.M. Htay. - Baton Rouge: Louisiana State University; Agricultural and Mechanical College, 1992. - URL: https://digitalcommons.lsu.edu/gradschool_disstheses/5455.
3. Ortu'o, I. Error Correcting Neural Networks for Channels with Gaussian Noise / I. Ortu'o, M. Ortu'o, J. Delgado // IJCNN International Joint Conference on Neural Networks. V. 4. - Baltimore, 1992. - P. 295-300.
4. Ja-Ling Wu. Neural Network Decoders for Linear Block Codes / Ja-Ling Wu, Yuen-Hsien Tseng, Yuh-Ming Huang // International Journal of Computational Engineering Science. - 2002. - V. 3, № 3. - P. 235-255.
5. Березкин, А.А. Построение оптимальных нейронных декодеров блоковых кодов / А.А. Березкин // Научно-технические ведомости СПбГПУ. - 2008. - № 5. - С. 34-41.
6. Nachmani, E. Learning to Decode Linear Codes Using Deep Learning / E. Nachmani, Y. Be'ery, D. Burshtein // 54th Annual Allerton Conference on Communication, Control, and Computing (Allerton). - Monticello, 2016. - P. 341-346.
7. Nachmani, E. RNN Decoding of Linear Block Codes / E. Nachmani, E. Marciano, D. Burshtein, Y. Be'ery. - 2017. - URL: arXiv.1702.07560.
8. Lugosch, L. Neural Offset Min-Sum Decoding / L. Lugosch, W.J. Gross // IEEE International Symposium on Information Theory (ISIT). - Aachen, 2017. - P. 1361-1365.