AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-22

নন-অর্থোগোনাল মাল্টিপল-অ্যাক্সেস জয়েন্ট সোর্স-চ্যানেল কোডিংয়ে ইন্টারফেয়ার করতে শেখা

মূল শিরোনাম: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding

যখন একাধিক ট্রান্সমিটার মাল্টিপল অ্যাক্সেস চ্যানেলের মাধ্যমে ছবির মতো সোর্স সিগন্যাল যোগাযোগ করে, তখন প্রচলিত সিস্টেমগুলো হস্তক্ষেপ হ্রাস করতে সময় ও ব্যান্ডউইথ অর্থোগোনালি বরাদ্দ করে ক্যাপাসিটি সীমিত করে। প্রস্তাবিত ML-সহায়ক ওয়্যারলেস ইমেজ ট্রান্সমিশন পদ্ধতি একটি মাল্টি-ভিউ অটোএনকোডারের সাথে কমপ্রেশন ও চ্যানেল কোডিং একীভূত করে, ফলে ট্রান্সমিটারগুলো নন-অর্থোগোনাল মাল্টিপল অ্যাক্সেস (NOMA) স্কিমে সব উপলব্ধ চ্যানেল রিসোর্স একসাথে ব্যবহার করতে পারে, যেখানে রিসিভার সুপারপোজড সিগন্যাল থেকে সব ছবি পুনরুদ্ধার করে এবং প্রতিটিকে তার ট্রান্সমিটারের সাথে যুক্ত করে। একটি প্রগ্রেসিভ ফাইন-টিউনিং অ্যালগরিদম প্রতিটি ইটারেশনে ব্যবহারকারীর সংখ্যা দ্বিগুণ করে, একক-ব্যবহারকারী মডেলের তুলনায় মাত্র 2.4% প্রশিক্ষণযোগ্য প্যারামিটার বৃদ্ধিতে 64 জন ব্যবহারকারী পর্যন্ত সমর্থন করে, এবং বিস্তৃত ডেটাসেট, মেট্রিক্স ও চ্যানেল অবস্থায় বিদ্যমান NOMA-ভিত্তিক পদ্ধতিগুলোর চেয়ে উন্নত ফলাফল দেয়।

মূল লেখা পড়ুন ↗

সব আইটেম →