AirNet：神经网络空中传输
网络与互联网体系结构
2023-07-21 v6 计算机视觉与模式识别
机器学习
摘要
许多边缘应用的最先进性能由深度神经网络（DNNs）实现。这些 DNN 通常对位置和时间敏感，必须快速高效地通过无线信道交付。在本文中，我们介绍了 AirNet，一系列新颖的训练与传输方法，允许 DNN 在严格的发射功率和时延约束下高效地通过无线信道交付。这对应于一类新的联合信源信道编码问题，旨在以最大化接收端准确率为目标交付 DNN，而非以高保真度恢复它们。在 AirNet 中，我们提出将 DNN 参数直接映射到发射的信道符号，同时网络被训练以满足信道约束，并对信道噪声表现出鲁棒性。与基于分离的方案相比，AirNet 实现了更高的准确率。我们通过将网络剪枝至可用带宽以下，并对其进行扩展以提高鲁棒性，进一步提升了 AirNet 的性能。我们还通过选择性扩展网络重要层来受益于不等错误保护。最后，我们开发了一种方法，同时训练一系列 DNN，每个针对不同的信道条件，从而解决了针对不同信道条件训练不同网络所带来的不切实际的内存需求。
引用
@article{arxiv.2105.11166,
title = {AirNet: Neural Network Transmission over the Air},
author = {Mikolaj Jankowski and Deniz Gunduz and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:2105.11166},
year = {2023}
}