基于神经架构搜索的接收信号强度图自学习重建
机器学习
2021-05-18 v1
摘要
本文提出一种基于神经架构搜索(NAS)与自学习的神经网络(NN)模型,用于从稀疏单快照输入测量中重建接收信号强度(RSS)图,适用于无法通过确定性侧仿真进行数据增强的情形。该方法首先寻找最优 NN 架构,并在给定 RSS 图的若干真值测量上同时训练所推导出的模型。随后,这些真值测量以及模型在一组随机选取点上的预测结果被用于训练第二个具有相同架构的 NN 模型。实验结果表明,在五个大规模 RSS 测量图上,该第二模型的信号预测优于基于非学习的插值前沿技术与未经架构搜索的 NN 模型。
引用
@article{arxiv.2105.07768,
title = {Self-Learning for Received Signal Strength Map Reconstruction with Neural Architecture Search},
author = {Aleksandra Malkova and Loic Pauletto and Christophe Villien and Benoit Denis and Massih-Reza Amini},
journal= {arXiv preprint arXiv:2105.07768},
year = {2021}
}