Mostra el registre d'ítem simple

dc.contributorSchmalen, Laurent
dc.contributorSturm, Benjamin
dc.contributorLamarca Orozco, M. Meritxell
dc.contributor.authorAuladell i Parellada, Pol
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions
dc.date.accessioned2020-12-16T15:20:18Z
dc.date.available2020-12-16T15:20:18Z
dc.date.issued2020-08-03
dc.identifier.urihttp://hdl.handle.net/2117/334546
dc.description.
dc.description.abstractThe idea of this project is, using Deep Learning (DL) techniques, find a way to shorten a Low-Density Parity-Check (LDPC) code. This is possible since a Bipartite Graph has a similar structure to a artificial neuron system (NN). This project explains how to recreate the bipartite graph of correcting codes, especially LDPC codes, using techniques of Belief Propagation (BP) and Deep Unrolling. One of the most important properties of BP is the independence on how the codeword acts. This property will allow learn a single codeword instead of an exponential number of codewords. The main goal of this thesis is using the NN to learn how to decode a LDPC code, given a H matrix, in a more efficient way without using a lot of resources nor loop iterations.
dc.description.abstractLa idea de este proyecto es, usando técnicas de Deep Learning (DL), encontrar alguna forma de acortar un código Low-Density Parity-Check (LDPC). Esto es posible, ya que un Grafo Bipartido tiene una estructura similar a un sistema de neuronas artificiales (NN). En este proyecto se explica como recrear el grafo bipartido de los códigos de corrección, principalmente códigos LDPC, usando técnicas de Belief Propagation (BP) y de Deep Unrolling. Una de las propiedades más importantes de BP es la independencia de como actúa la palabra código. Esta propiedad permitirá aprender una sola palabra código en vez de un número exponencial de palabras código. El objetivo principal de esta tesis es usar las redes neuronales (NN) para aprender a decodificar un código LDPC, dada una matriz H, de una manera más eficiente sin usar muchos recursos ni iteraciones.
dc.description.abstractLa idea d?aquest projecte és, fent servir tècniques de Deep Learning (DL), intentar trobar alguna manera d?acurtar un codi Low-Density Parity-Check (LDPC). Això és possible, ja que un Graf Bipartit té una estructura similar al d?un sistema de neurones artificials (NN). En aquest projecte s?explica com recrear el graf bipartit dels codis de correcció, principalment de codis LDPC fent ús de les tècniques de Belief Propagation (BP) i de Deep Unrolling. Una de les propietats més importants de BP és la independència de com actua la paraula codi. Aquesta propietat permetrà aprendre una sola paraula codi en comptes d?un nombre exponencial de paraules codi. El principal objectiu d?aquesta tesis és fer ús de les xarxes neuronals (NN) per aprendre a com descodificar un codi LDPC, donada una matriu H, d?una manera més eficient sense fer servir gaires recursos ni iteracions.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.rightsS'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
dc.subjectÀrees temàtiques de la UPC::Enginyeria de la telecomunicació::Radiocomunicació i exploració electromagnètica
dc.subject.lcshMachine learning
dc.subject.lcshDeep learning
dc.subject.lcshCoding theory
dc.subject.otherChannel Coding
dc.subject.otherMachine Learning
dc.subject.otherAprendizaje automático
dc.subject.othercodificación de canal
dc.titleDeep Learning Techinques for LDPC shortening
dc.title.alternativeMachine Learning Techniques for LDPC code shortening
dc.typeBachelor thesis
dc.subject.lemacAprenentatge automàtic
dc.subject.lemacAprenentatge profund
dc.subject.lemacCodificació, Teoria de la
dc.identifier.slugETSETB-230.154260
dc.rights.accessOpen Access
dc.date.updated2020-09-10T05:50:36Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona
dc.audience.degreeGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
dc.contributor.covenanteeKarlsruher Institut für Technologie


Fitxers d'aquest items

Thumbnail
Thumbnail

Aquest ítem apareix a les col·leccions següents

Mostra el registre d'ítem simple