استفاده از الگوریتم Comprehensive Grobner Basis در رمزگشایی کدهای LDPC به کمک شبکه های عصبی MLP
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,052
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE04_195
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
یک گروه بسیار مهم از کد بلوک هایی که در جهت مفهوم تئوری شانون (Shanon)، توسعه یافتند کد چک هایی با تراکم برابر (LDPC) هستند. تا اکنون، الگوریتم های مختلفی برای رمزگشایی از این کدها معرفی شده اند که بسیاری از آن ها به حالت ایده آل خود نرسیدهاند. مثل: حداکثر احتمال(ML) و تلنگر بیت (BF) احتمال استدلال قیاسی (APP) و الگوریتم محصول جمع (SP) که دو مورد اول، رمزگشایی صورت سخت افزاری و در دو مورد بعدی به صورت نرم افزاری انجام می شود. اخیراً نیز از شبکه های عصبی چند لایه پرسپترون با الگوریتم یادگیری (Trainlm)Levenberg-Marquardt استفاده شده است. ما در این مقاله نشان می دهیم که با کمک الگوریتم یادگیری Comprehensive Grobner Basis می توان به نتایج بهتری در جهت رمز گشایی کدهای LDPC دست یافت.
کلیدواژه ها:
نویسندگان
جلیل پاکدامن
دانشگاه آزاد اسلامی واحد بجنورد، بجنورد، ایران
خلیل پاکدامن
گروه مپنا، شرکت توسعه ۱، نیروگاه سیکل ترکیبی( بخش گازی)، ایرانشهر، ایرا
میلاد صمدی شادلو
دانشگاه آزاد اسلامی واحد بجنورد، باشگاه پژوهشگران، بجنورد، ایران
هادی رحمانی
دانشگاه آزاد اسلامی واحد بجنورد، بجنورد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :