基于重要抽样的概率星座形成端到端学习
机器学习
2025-10-16 v2 人工智能
摘要
概率星座形成使率适配更加便捷，并已被证明可降低与香浦容量的差距。星座点概率被优化以最大化互信息或比特级互信息。然而，对于简单信道模型而言，这一优化问题仍然具有挑战性。虽然已成功将基于自动编码器的机器学习应用于解决此问题[1]，但需要手动计算额外的梯度项，这一过程容易出错。本文提出了一种新型损失函数，用于基于自动微分和重要抽样的概率星座形成编码调制系统的自动编码器学习。我们在分析上表明，所提出的方法也使用星座点概率的精确梯度进行优化。在仿真中，我们的结果与[1]在加性白高斯噪声信道和简化的强度调制直接检测信道上的结果相吻合。
引用
@article{arxiv.2506.16096,
title = {A Brain-to-Population Graph Learning Framework for Diagnosing Brain Disorders},
author = {Qianqian Liao and Wuque Cai and Hongze Sun and Dongze Liu and Duo Chen and Dezhong Yao and Daqing Guo},
journal= {arXiv preprint arXiv:2506.16096},
year = {2025}
}
备注
this paper has been submitted for possible publication