人工智能与降维：面向未来通信的工具
信号处理
2023-04-28 v2
摘要
本文提出了 t 分布随机邻域嵌入（t-SNE）聚类算法在电信领域的新应用。t-SNE 是一种降维（DR）算法，可将大型数据集可视化至 2D 图中。我们展示了该算法在由若干场景（消声、混响、室内与室外）组成并利用六个信道特征的通信信道数据集中的适用性。应用此人工智能（AI）技术，我们能够将不同环境分离为若干簇，从而清晰可视化各场景。全文证明 t-SNE 能够聚类为若干子类，获得场景内部自身的分类。文中还提供了 t-SNE 与不同降维技术（PCA、Isomap）的比较。此外，使用后处理技术修改通信场景，根据在消声室中获取的测量值重建真实通信场景。利用 t-SNE 与变分自编码器（VAE）的降维与分类在区分重建与真实通信场景时表现出良好性能。这两种技术的结合为未来移动通信的新场景重建开辟了可能。本工作展示了 AI 作为聚类、分类与生成新 5G 传播场景强大工具的潜力。
引用
@article{arxiv.2112.10431,
title = {Artificial Intelligence and Dimensionality Reduction: Tools for approaching future communications},
author = {Alejandro Ramírez-Arroyo and Luz García and Antonio Alex-Amor and Juan F. Valenzuela-Valdés},
journal= {arXiv preprint arXiv:2112.10431},
year = {2023}
}
备注
IEEE Open Journal of the Communications Society