초록

본 발명은 딥러닝 기반 신뢰전파 복호기 및 이의 학습 방법에 관한 것으로서, 딥러닝 기반 복호기에서 중간 출력값을 갖는 채널 복호기의 특성을 반영한 그리디 알고리즘(Greedy algorithm)을 기반으로 손실 함수를 재정의하는 단계 및 상기 재정의된 손실 함수를 통해 각 은닉 층의 학습을 수행하여 복호 결과를 출력하는 단계를 포함한다.

대표청구항 ▼

고속 수렴성을 갖는 딥러닝 기반 신뢰전파 복호기의 학습 방법에 있어서, 딥러닝 기반 신뢰전파 복호기에서 상기 딥러닝 기반 신뢰전파 복호기의 심층 신경망에 포함되는 중간층의 출력 값이 패리티 검사를 만족하는 경우 상기 중간층 이후의 층들에 대한 연산 없이 상기 중간층의 출력 값을 복호 결과로 출력하는 특성을 반영한 그리디 알고리즘(Greedy algorithm)을 기반으로 그래디언트 소멸 문제를 해결하기 위한 손실 함수를 재정의하는 단계; 및상기 재정의된 손실 함수를 통해 상기 심층 신경망에 포함되는 각 은닉층의 학습을 수행하여 복호

고속 수렴성을 갖는 딥러닝 기반 신뢰전파 복호기의 학습 방법에 있어서, 딥러닝 기반 신뢰전파 복호기에서 상기 딥러닝 기반 신뢰전파 복호기의 심층 신경망에 포함되는 중간층의 출력 값이 패리티 검사를 만족하는 경우 상기 중간층 이후의 층들에 대한 연산 없이 상기 중간층의 출력 값을 복호 결과로 출력하는 특성을 반영한 그리디 알고리즘(Greedy algorithm)을 기반으로 그래디언트 소멸 문제를 해결하기 위한 손실 함수를 재정의하는 단계; 및상기 재정의된 손실 함수를 통해 상기 심층 신경망에 포함되는 각 은닉층의 학습을 수행하여 복호 결과를 출력하는 단계를 포함하는, 딥러닝 기반 신뢰전파 복호기의 학습 방법.