无线任务中带先验信息的深度神经网络结构
机器学习
2019-11-07 v2 系统与控制
系统与控制
机器学习
摘要
深度神经网络（DNNs）已被用于设计无线网络的诸多方面，如收发机优化、资源分配和信息预测。现有工作要么使用全连接 DNN，要么使用在其他领域设计的具有特定结构的 DNN。在本文中，我们指出无线任务中广泛存在的先验信息具有置换不变性。针对这些任务，我们提出了一种具有特殊结构的 DNN，其中 DNN 各层之间的权重矩阵仅由两个较小的子矩阵构成。通过这种参数共享方式，模型参数数量减少，从而降低了训练 DNN 所需的样本与计算复杂度。我们以预测性资源分配为例，展示所设计的 DNN 如何应用于通过无监督学习来学习最优策略。仿真结果验证了我们的分析，并显示出所提结构在降低训练复杂度方面的显著增益。
引用
@article{arxiv.1910.13728,
title = {Structure of Deep Neural Networks with a Priori Information in Wireless Tasks},
author = {Jia Guo and Chenyang Yang},
journal= {arXiv preprint arXiv:1910.13728},
year = {2019}
}
备注
6 pages, 2 figures, Submitted to ICC 2020