用于无线通信优化的在线深度神经网络
信息论
2022-02-08 v1 信号处理
math.IT
摘要
近年来，得益于其强大的学习能力和低测试复杂度，深度神经网络（DNN）被广泛采用到智能通信系统的设计中。然而，当前大多数基于离线 DNN 的方法仍存在性能不理想、泛化能力有限和可解释性差的问题。在本文中，我们提出一种基于在线 DNN 的方法来解决无线通信中的一般优化问题，其中为每个数据样本训练一个专用 DNN。通过将优化变量和目标函数分别视为网络参数和损失函数，该优化问题可通过网络训练等价求解。得益于在线优化特性和有意义的网络参数，所提方法具备强泛化能力和可解释性，其在智能反射面（IRS）辅助多用户多输入多输出（MIMO）系统联合波束成形这一实际示例中展示了优越性能。仿真结果表明，所提在线 DNN 优于传统离线 DNN 和最先进迭代优化算法，且复杂度低。
引用
@article{arxiv.2202.03244,
title = {Online Deep Neural Network for Optimization in Wireless Communications},
author = {Jiabao Gao and Caijun Zhong and Geoffrey Ye Li and Zhaoyang Zhang},
journal= {arXiv preprint arXiv:2202.03244},
year = {2022}
}