基于 MIMO 神经网络与星座激活的空中计算拆分学习
信号处理
2022-10-11 v1
摘要
本文研究了一种在多输入多输出（MIMO）通信系统上通信高效的拆分学习（SL）。具体而言，我们利用空中计算（OAC）将神经网络（NN）的层间连接数学分解为一系列线性预编码与合并变换，其协同构成 NN 中的线性层。预编码与合并矩阵为此类系统中的可训练参数，而 MIMO 信道是隐式的。所提系统通过利用信道互易性并恰当重构反向传播过程，消除了隐式信道估计，显著节省系统开销并进一步提升整体效率。采用实际星座图作为激活函数，以避免像传统 OAC 系统那样发送任意模拟信号。数值结果证明了所提方案的有效性。
引用
@article{arxiv.2210.03914,
title = {Over-the-Air Split Learning with MIMO-Based Neural Network and Constellation-Based Activation},
author = {Yuzhi Yang and Zhaoyang Zhang and Zhaohui Yang},
journal= {arXiv preprint arXiv:2210.03914},
year = {2022}
}
备注
IEEE MLSP