研究者提出GBPNet神经译码器，性能优于现有方法

Samira Malek 等研究者在 arXiv 发布论文，提出广义置信传播网络 GBPNet，在保留消息传递对称性和 Tanner 图结构的同时，通过级联变量节点更新和可学习的逐元素消息缩放增强译码能力。 论文还引入渐进训练和高信噪比训练两种策略提升译码准确度。据论文实验结果，GBPNet 在多种线性码上的误比特率低于传统置信传播及所评测的最先进神经译码器。

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。