从多层感知机到GPT：对无线物理层深度学习研究的反思
信息论
2023-07-17 v1 math.IT
摘要
大多数将深度学习（DL）应用于无线通信物理层的研究，并未阐明在开发和评估实用算法时准确性—泛化权衡的关键作用。为凸显这一普遍做法的弊端，我们重访了最早向研究界介绍基于DL的端到端无线通信系统并倡导将人工智能（AI）/DL用于无线物理层的论文之一中的一个数据解码示例。进而，我们提出通信DL模型设计中的两个关键权衡，即准确性与泛化、压缩与时延。我们结合包括大语言模型（LLMs）在内的新兴DL模型，讨论了它们在无线通信用例中的相关性。最后，我们总结了所提出的评估准则，以增强DL对无线通信的研究影响。这些准则试图将DL研究的经验性与无线通信系统严格的指标要求相协调。
引用
@article{arxiv.2307.07359,
title = {From Multilayer Perceptron to GPT: A Reflection on Deep Learning Research for Wireless Physical Layer},
author = {Mohamed Akrout and Amine Mezghani and Ekram Hossain and Faouzi Bellili and Robert W. Heath},
journal= {arXiv preprint arXiv:2307.07359},
year = {2023}
}