解析不同信噪比下基于深度神经网络的接收机
机器学习
2025-05-26 v2 网络与互联网体系结构
信号处理
摘要
我们提出了一种解释神经网络的新方法，重点关注基于卷积神经网络的接收机模型。该方法识别模型中哪个或哪些单元包含最多（或最少）关于目标信道参数的信息，在全局和局部层面提供了洞察——全局解释聚合了局部解释。在链路级仿真上的实验证明了该方法在识别对信噪比处理贡献最大（和最小）的单元方面的有效性。尽管我们关注的是无线电接收机模型，但该方法可推广到其他神经网络架构和应用，在高维设置中也能提供鲁棒的估计。
引用
@article{arxiv.2409.16768,
title = {Interpreting Deep Neural Network-Based Receiver Under Varying Signal-To-Noise Ratios},
author = {Marko Tuononen and Dani Korpi and Ville Hautamäki},
journal= {arXiv preprint arXiv:2409.16768},
year = {2025}
}
备注
7+1 pages, 8 figures, 1 equation