【技术实现步骤摘要】
本专利技术涉及利用脱氧核糖核酸(dna)的数据存储领域，尤其涉及一种基于深度学习的ids纠错码实现方法。
技术介绍
1、dna存储是一种利用dna分子的合成和测序进行信息存储和检索的方法。由于涉及生化过程，dna存储管道可以被视为一个在{a、t、g、c}四元序列上插入、删除或替换(ids)通道。自编码器和编码算法的工作原理都是将输入(源)编码为特征表示(码字)，然后通过解码器的输出重建输入(源)。
2、许多已建立的ids纠错码都源于varshamov-tenengolts(vt)代码，这些代码通常依赖严格的数学推导，并为其编码方案提供可靠的证明。然而，他们使用的严格假设往往会限制其实际应用。用于dna存储的启发式ids纠错码，通常包含同步标记、水印或编码序列中的位置信息。近年来，深度学习方法在编码理论中的应用越来越多。多种架构已被用作awgn信道上传统代码的解码器或子模块。cammerer等应用神经网络来替换polar码传统迭代解码算法中的子块。kim等人将递归神经网络(rnn)用于解码卷积码和turbo码中。nachmani等人也使用rnn和基于transformer网络的模型作为线性码的置信传播解码器。nachmani&wolf等人，也使用超图网络作为块代码的解码器。然而，端到端深度学习解决方案的探索仍然相对较少。正如jiang等提到，多层感知器(mlp)和卷积神经网络(cnn)的直接应用是传统方法无法比拟的。同时，jiang等使用深度模型来替换turbo码骨架的子模块，并训练了端到端的编码器-解码器模型
3、基于上述已建立的ids纠错码存在的技术问题，有必要对ids纠错码的实现方法进行改进。
技术实现思路
1、本专利技术的目的是提供一种基于深度学习的ids纠错码实现方法，在集成编码和解码过程中，基于端到端自编码器的启发式思想实现。
2、为实现本专利技术的目的，本专利技术提供的技术方案具体如下：
3、一种基于深度学习的ids纠错码实现方法，所述ids纠错码是一种基于启发式端到端自编码器的ids错误的纠错码；信息经过基于深度学习的编码器编码得到序列，序列产生错误后，由基于深度学习的解码器，纠错受损序列，还原信息。
4、可选地，ids纠错码实现的相关深度学习模型训练方法包括可微分的ids信道模拟方法、信息熵限制方法以及源序列的辅助重建方法。
5、可选地，所述的可微分的ids信道模拟方法，包括l1空间中单位球面的ids操作的推广算法和基于深度学习的可微分ids信道模拟技术；具体步骤如下：将源序列编码为l1空间中的单位球面上的码字，随后随机生成错误分布，然后将码字和错误分布输入可微的ids通道，模拟ids错误。
6、可选地，所述的信息熵限制方法为将输出离散化集成到深度模型的步骤，具体如下：在码字上引入一个信息熵限制，惩罚偏离硬标签风格的概率向量，来减轻测试阶段离散码字的问题。
7、可选地，所述的源序列的辅助重建方法，包括使用源序列的辅助重构，帮助编码器和解码器的训练。
8、与现有技术相比，本专利技术的有益效果为：
9、(1)梯度可传播：在集成编码和解码过程中，采用端到端自编码器的启发式思想，提出该方法，解决了将自编码器作为ids纠错码带来的挑战，引入经过独立训练的基于transformer模型，模拟单位球体上的传统ids通道，该模拟允许从通道输出传播梯度。
10、(2)码字更离散化：码字的信息熵限制，迫使概率向量更加离散化。
11、(3)编码器收敛更好：源序列的辅助重建，通过编码器的输出引入源序列的重建。这些创新，使自动编码器能成功收敛，且该方法是首个独立于传统编码框架的基于深度学习的编码实例。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的IDS纠错码实现方法，其特征在于，所述IDS纠错码是一种基于启发式端到端自编码器的IDS错误的纠错码；信息经过基于深度学习的编码器编码得到序列，序列产生错误后，由基于深度学习的解码器，纠错受损序列，还原信息。
2.根据权利要求1所述的基于深度学习的IDS纠错码实现方法，其特征在于，IDS纠错码实现的相关深度学习模型训练方法包括可微分的IDS信道模拟方法、信息熵限制方法以及源序列的辅助重建方法。
3.根据权利要求2所述的基于深度学习的IDS纠错码实现方法，其特征在于，所述的可微分的IDS信道模拟方法，包括l1空间中单位球面的IDS操作的推广算法和基于深度学习的可微分IDS信道模拟技术；具体步骤如下：将源序列编码为l1空间中的单位球面上的码字，随后随机生成错误分布，然后将码字和错误分布输入可微的IDS通道，模拟IDS错误。
4.根据权利要求2所述的基于深度学习的IDS纠错码实现方法，其特征在于，所述的信息熵限制方法为将输出离散化集成到深度模型的步骤，具体如下：在码字上引入一个信息熵限制，惩罚偏离硬标签风格的概率向量，来减轻测试
5.根据权利要求2所述的基于深度学习的IDS纠错码实现方法，其特征在于，所述的源序列的辅助重建方法，包括使用源序列的辅助重构，帮助编码器和解码器的训练。
...【技术特征摘要】
1.一种基于深度学习的ids纠错码实现方法，其特征在于，所述ids纠错码是一种基于启发式端到端自编码器的ids错误的纠错码；信息经过基于深度学习的编码器编码得到序列，序列产生错误后，由基于深度学习的解码器，纠错受损序列，还原信息。
2.根据权利要求1所述的基于深度学习的ids纠错码实现方法，其特征在于，ids纠错码实现的相关深度学习模型训练方法包括可微分的ids信道模拟方法、信息熵限制方法以及源序列的辅助重建方法。
3.根据权利要求2所述的基于深度学习的ids纠错码实现方法，其特征在于，所述的可微分的ids信道模拟方法，包括l1空间中单位球面的ids操作的推广...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。