基于聚类引导的残差神经网络用于分子通信中的多 Tx 定位
机器学习
2025-11-12 v1 新兴技术
摘要
通过扩散的分子通信中的发射器定位是一个具有多种应用的关键议题。然而，由于扩散的随机性和接收器表面分子分布的重叠，准确定位多个发射器是一个具有挑战性的问题。为此，我们引入基于聚类的中心校正方法，以提高对密度变化和异常值的鲁棒性。此外，我们提出两种聚类引导的残差神经网络，即用于方向细化的 AngleNN 和用于聚类大小估计的 SizeNN。实验结果表明，这两种方法相较于 K-means 能显著降低定位误差，分别在 2-Tx 和 4-Tx 情况下降低约 69% 和 43%。
引用
@article{arxiv.2511.08513,
title = {Clustering Guided Residual Neural Networks for Multi-Tx Localization in Molecular Communications},
author = {Ali Sonmez and Erencem Ozbey and Efe Feyzi Mantaroglu and H. Birkan Yilmaz},
journal= {arXiv preprint arXiv:2511.08513},
year = {2025}
}
备注
5 pages, 4 figures, 3 tables