arXiv · cs.AI· Samira Malek·· 14 小时前AI 评分17
GBPNet：用广义置信传播网络学习线性码译码
Learning to Decode Linear Codes with Generalized Belief Propagation Network
来源与原文
arXiv · cs.AI
作者：Samira Malek
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.06874v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出广义置信传播网络 GBPNet，在保留消息传递对称性与 Tanner 图结构的同时，通过级联变量节点更新和可学习的逐元素消息缩放增强译码器的学习能力，并引入渐进式训练与高信噪比训练两种策略提升译码精度。实验显示，GBPNet 在多个线性码上的误比特率低于传统置信传播算法及所评估的最先进神经译码器。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。