BriefGPT - AI 论文速递
·
基于优化神经编码的能效型脉冲神经网络均衡在 IM/DD 系统中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于序列自编码收发器的双向深度循环神经网络（BRNN），使用滑动窗口技术实现高效数据流估计。与之前的基于块的前馈神经网络（FFNN）自编码器相比，BRNN能显著降低误码率，增加传输距离。该研究为具有存储器的非线性信道的深度学习系统提供了新的设计。
🎯
关键要点
- 本研究提出了一种基于序列自编码收发器的双向深度循环神经网络（BRNN）。
- BRNN使用滑动窗口技术实现高效数据流估计。
- BRNN相比于基于块的前馈神经网络（FFNN）自编码器显著降低误码率，增加传输距离。
- 在42和84 Gb/s下，SBRNN在训练更少参数的情况下优于FFNN接收器实现的基于两级脉冲幅度调制的最新IM/DD方案。
- 新型SBRNN设计旨在为具有存储器的非线性信道（如光学IM/DD光纤信道）定制端对端深度学习系统。
➡️
