待验证50% 置信基准精确时间
在多个线性码上的实验表明，GBPNet的误码率（BER）低于传统置信传播以及所评估的当前最优神经解码器。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/5
首次发现
有效期至：2027/2/3
来源
涉及实体
相关事实
待验证论文的评估范围限于所选的线性码和实验条件，GBPNet是否完全规避神经解码器普遍面临的计算开销和泛化性问题仍有待更多验证。78% 相似待验证基于神经网络的量子态判别在信号分类上已展现出优于传统方法的表现，但其误差仍受限于可用读出分布的贝叶斯风险下界。70% 相似待验证贝叶斯知识追踪（BKT）对阈值变化相对不敏感，而神经网络模型随着阈值升高会变得明显更挑剔66% 相似待验证在SISO未编码设置下，采用信道缩放规则的PARGAR在部分稀疏导频场景中取得了比DeepRx更低的误码率（BER），同时在密集导频下保持竞争力。66% 相似待验证GBP能够快速平滑相邻变量之间的局部误差，但对跨越遥远图区域的全局误差只能通过长距离消息传播逐步增量式修正，导致大规模图上收敛速度显著变慢66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1138432API
curl https://kongchang.com/api/v1/knowledge/claims/1138432MCP
get_claim(id=1138432)