上下文感知的双重稳健半监督学习
信号处理
2025-06-27 v2 机器学习
摘要
人工智能（AI）在下一代通信系统中的广泛采用面临着流量和网络条件的异构性，这要求使用高度具上下文性、特定于站点的、数据。一个有前景的解决方案是不仅依赖真实数据，还依赖于由网络数字孪生（NDT）生成的合成伪数据。然而，这种方法的有效性取决于 NDT 的准确性，而该准确性在不同上下文中可能差异很大。为此，本文引入了上下文感知的双重稳健（CDR）学习，一种新的半监督方案，可根据 NDT 在不同上下文中不同保真度水平来调整其对伪数据的依赖。CDR 在下行波束赋形任务上进行评估，表现优于以往的最先进方法，在标注数据稀缺的情形下，相较于双重稳健（DR）半监督学习，损失降低了 24%。
引用
@article{arxiv.2502.15577,
title = {Context-Aware Doubly-Robust Semi-Supervised Learning},
author = {Clement Ruah and Houssem Sifaou and Osvaldo Simeone and Bashir Al-Hashimi},
journal= {arXiv preprint arXiv:2502.15577},
year = {2025}
}
备注
This work has been accepted for publication in IEEE Signal Processing Letters