利用早退机制实现自动调制分类的快速推理
网络与互联网体系结构
2023-11-10 v2 人工智能
摘要
自动调制分类（AMC）通过自主分类无线电频谱上传输的信号，在无线通信中起着关键作用。深度学习（DL）技术因其提取复杂无线信号特征的能力而日益用于AMC。然而，DL模型计算密集且带来高推理延迟。本文提出将早退（EE）技术应用于用于AMC的DL模型以加速推理。我们提出并分析了四种早退架构以及针对该问题的定制化多分支训练算法。通过大量实验，我们表明具有中高信噪比（SNR）的信号更易分类，不需要深层架构，因此可利用所提出的EE架构。我们的实验结果表明，EE技术能在不牺牲分类精度的前提下显著加快深度神经网络的推理速度。我们还深入研究了使用这些架构时分类精度与推理时间之间的权衡。据我们所知，本工作是首次尝试将早退方法应用于AMC，为该领域的未来研究奠定了基础。
引用
@article{arxiv.2308.11100,
title = {Using Early Exits for Fast Inference in Automatic Modulation Classification},
author = {Elsayed Mohammed and Omar Mashaal and Hatem Abou-Zeid},
journal= {arXiv preprint arXiv:2308.11100},
year = {2023}
}
备注
Accepted in GLOBECOM2023