构建DEEPPOLAR ——Architecture for DEEPPOLAR (256,37)

目录

编码器

解码器

---

编码器

        编码器是大小为的内核的集合ℓ = 16,每个都由神经网络g建模。编码器内核g负责编码ℓ 输入。g的架构如下：

表1  DEEPOLAR模型训练中使用的超参数（256,37，ℓ=16）
Table 1. Hyperparameters used in model training for DEEPPOLAR (256,37,ℓ = 16)

Figure 19. Each kernel g at the encoder is parameterized by a fully connected network of 3 hidden layers and a hidden dimension of 64.
The features corresponding to the Plotkin transform of size ℓ is provided via a skip connection
图19    编码器处的每个内核g由3个隐藏层和64个隐藏维度的全连接网络参数化。
与Plotkin尺寸变换相对应的特征ℓ 通过跳过连接提供

 

一个关键的设计选择是通过跳过连接使极坐标编码特征可供编码网络使用。

        DEEPPOLAR码依赖于Polar码的编码和解码结构，与Polar码相对应的特征确实具有信息性。此外，由于神经网络更难学习乘法策略，因此这些辅助信息在学习过程中被证明是有用的。

        然而，值得注意的是，所学习的DEEPPOLAR码以及DEEPPOLRA二进制码在映射和码距离谱方面都与极坐标码不同。

解码器

编码器是大小不等的内核的集合ℓ = 16,每个都由神经网络f建模。解码器内核f包含ℓ = 16 子网络，每个子网络负责解码内核的第i个位置。的架构如下：

图20   解码器处的每个内核fi由3个隐藏层和128个隐藏维度的全连接网络参数化。
Figure 20. Each kernel fi at the decoder is parameterized by a fully connected network of 3 hidden layers and a hidden dimension of 128.