研究者提出广义置信传播网络GBPNet解码器

研究者 Samira Malek 等人提出广义置信传播网络（GBPNet），用于线性码解码。该方法保留 Tanner 图结构与消息传递对称性，同时通过级联变量节点更新和可学习的逐元素消息缩放增强解码器的学习能力，并引入渐进训练与高 SNR 训练两种策略提升解码准确率。 在多种线性码上的实验显示，GBPNet 的误码率低于传统置信传播及所评估的当前最优神经解码器。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。