プロフィール
教授名古屋工業大学
研究上の興味: 符号理論, 無線通信信号処理, 深層学習
アクセス
2号館 424A名古屋工業大学 (access map)
愛知県名古屋市御器所町, 466-8555
email: wadayama at nitech.ac.jp
著書
深層展開に関するリソースとリンク
深層展開(Deep unfolding)は, バックプロパゲーションや確率的勾配法(SGD) などの深層学習技術を利用した反復アルゴリズムの改善手法である。 時間方向に展開された信号流グラフを深層ニューラルネットワークと 見なして、埋め込まれた学習可能パラメータを調整することが可能である。 多くの場合で、もとのアルゴリズムと比べて収束の高速化(収束加速)が観測される。解説文書など(関連原稿・スライド)
- 非凸最適化に基づくアルゴリズムデザインと深層展開— (2019年7月)
- 深層学習に基づく無線通信技術 — 研究の現状と展望 — (2019年8月22日電子情報通信学会 無線通信システム(RCS)研究会)
- 無線通信のための深層学習の基礎 (Githubへのリンク, 2019年10月電子情報通信学会 MIKA2019): 深層展開サンプルコード(pytorch)など多数。MIKA2019.pdfがテキスト。
本グループの貢献(論文・ソースコード)
- S. Takabe, TW, Y.C.Eldar, ``Complex Trainable ISTA for Linear and Nonlinear Inverse Problems'', to appeear in ICASSP2020 (arXiv version), 2019.
- TW and S. Takabe,``Chebyshev Inertial Landweber Algorithm for Linear Inverse Problems'', on arXiv, 2020.
- TW and S. Takabe,``Chebyshev Inertial Iteration for Accelerating Fixed-Point Iterations'', on arXiv, 2020.
- S. Takabe and TW, ``Theoretical interpretation of learned step size in deep-unfolded gradient descent'', on arXiv, 2020.
- D. Ito, S. Takabe, TW, ``Trainable ISTA for Sparse Signal Recovery,'' IEEE Trans. on Signal Processing, 2019.
- Implementation of TISTA in PyTorch (on Github)
- S. Takabe, M. Imanishi, TW ; R. Hayakawa, K. Hayash, ``Trainable Projected Gradient Detector for Massive Overloaded MIMO Channels: Data-Driven Tuning Approach,'' IEEE Access, 2019
- Implementation of TPG detector for massive overloaded MIMO in PyTorch (on Github)
- Implementation of C-TISTA in PyTorch (on Github)
- TW and S. Takabe, ``Deep Learning-Aided Trainable Projected Gradient Decoding for LDPC Codes, '' on arXiv, 2019.
