無線通信における最適化のためのオンライン深層ニューラルネットワーク【JST・京大機械翻訳】

Gao Jiabao; Zhong Caijun; Li Geoffrey Ye; Zhang Zhaoyang

プレプリント

J-GLOBAL ID：202202217980721136 整理番号：22P0285856

無線通信における最適化のためのオンライン深層ニューラルネットワーク【JST・京大機械翻訳】

Online Deep Neural Network for Optimization in Wireless Communications

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近,深層ニューラルネットワーク(DNN)は,その強い学習能力と低い試験複雑性のおかげで,インテリジェント通信システムの設計において広く採用されている。しかし,ほとんどの現在のオフラインDNNベースの方法は,まだ不十分な性能,限られた一般化能力,および貧弱な解釈性に悩まされている。本論文では,専用DNNを各データサンプルに対して訓練する無線通信における一般的最適化問題を解くためのオンラインDNNベースアプローチを提案した。ネットワークパラメータと損失関数として最適化変数と目的関数をそれぞれ処理することによって,最適化問題をネットワーク訓練を通して同等に解くことができた。オンライン最適化性質と有意義なネットワークパラメータのおかげで,提案した方式は,強い一般化能力と解釈性を持ち,一方,その優れた性能は,インテリジェント反射表面(IRS)支援マルチユーザ多入力多出力(MIMO)システムにおける共同ビーム成形の実例を通して実証された。シミュレーション結果は,提案したオンラインDNNが従来のオフラインDNNと最先端の反復最適化アルゴリズムより優れているが,複雑性が低いことを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る