Исследователи улучшат беспроводную связь при помощи нейронных сетей

Ученые из США используют технику машинного обучения, вдохновленную мозгом, для повышения энергетической производительности беспроводных приемников.

Добавить в закладки 

https%3A%2F%2Fnaked-science.ru%2Farticle%2Fhi-tech%2Fissledovateli-uluchshat
0
0

Обсудить 0 комм.
1 443

Выбор редакции

Самые необычные космические аппараты на орбите

За работу, опубликованную в журнале 2018 IEEE International Conference on Communications (ICC), Лингия Лю и Ян (Синди) И из Политехнического университета Виргинии получили премию Best Paper Award от технического комитета IEEE Transmission, Access, and Optical Systems.

 

Разработанная исследователями техническая комбинация позволяет сигналам перемещаться от передатчика к приемнику по нескольким путям одновременно. Эта техника помогает достичь минимальной интерференции и предоставляет серьезное преимущество по сравнению с более простыми способами избегания многолучевого замирания, сильно искажающего изображение — например, во время просмотра беспроводного телевидения в непогоду. Лю и И используют искусственные нейронные сети для минимизации потери сигнала.

 

«Обычно приемник оценивает канал перед регистрацией передаваемых сигналов, — говорит И. — Используя искусственные нейронные сети, мы можем создать абсолютно новую структуру путем регистрации переданных сигналов непосредственно на приемнике».

 

Этот подход, по словам специалистов, может существенно улучшить производительность системы при столкновении со сложностями моделирования канала или невозможности установления непосредственного отношения между входом и выходом.

 

Лю, И и их коллеги сравнили результаты проделанной работы с тем, что предлагают уже установившиеся подходы, и обнаружили, что их метод более эффективен, особенно со стороны приемника.

 

Команда предложила метод обучения искусственной нейронной сети более эффективной работе на паре передатчик-приемник с использованием структуры, известной как резервуарное вычисление — в частности, специальной архитектуры эхосети (echo state network, ESN).

 

«Симуляция и числовые результаты показали, что ESN может предоставить куда большую производительность в плане вычислительной сложности и конвергенции обучения, — рассказывает Лю. — По сравнению с другими методами этот можно считать «зеленой» опцией».

Источник: naked-science.ru

Вы можете оставить комментарий, или ссылку на Ваш сайт.

Оставить комментарий

Вы должны быть авторизованы, чтобы разместить комментарий.