研究者提出GBPNet神经译码器用于线性码译码

研究者提出广义置信传播网络 GBPNet，用于线性码译码。该方法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。 论文实验显示，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。以上为论文自称的结果，尚待独立验证。

AI 根据报道生成 · 20 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。