基于影响函数的DNN接收机定向微调
机器学习
2026-01-22 v2 信号处理
摘要
我们首次将影响函数用于基于深度学习的无线接收机。应用于全卷积接收机 DeepRx 时，影响分析揭示了哪些训练样本驱动了比特预测，从而能够对表现不佳的案例进行定向微调。我们表明，采用类容量的二元交叉熵损失的相对损失影响以及对有益样本的一阶更新，最稳定地将误码率向理想性能改善，在单目标场景中优于随机微调。多目标自适应被证明效果较差，凸显了未解决的挑战。除了实验之外，我们将影响与自影响修正联系起来，并提出了一种二阶、影响对齐的更新策略。我们的结果确立了影响函数既是一种可解释性工具，也是高效接收机自适应的基础。
引用
@article{arxiv.2509.15950,
title = {Targeted Fine-Tuning of DNN-Based Receivers via Influence Functions},
author = {Marko Tuononen and Heikki Penttinen and Ville Hautamäki},
journal= {arXiv preprint arXiv:2509.15950},
year = {2026}
}
备注
7 pages; 10 figures; 1 table; 19 equations