Fugu-MT 論文翻訳(概要): Making Intelligent Reflecting Surfaces More Intelligent: A Roadmap Through Reservoir Computing

論文の概要: Making Intelligent Reflecting Surfaces More Intelligent: A Roadmap Through Reservoir Computing

arxiv url: http://arxiv.org/abs/2102.03688v1
Date: Sat, 6 Feb 2021 23:55:46 GMT
ステータス: 処理完了
システム内更新日: 2021-02-09 15:31:36.794865
Title: Making Intelligent Reflecting Surfaces More Intelligent: A Roadmap Through Reservoir Computing
Title（参考訳）: インテリジェントな反射面をよりインテリジェントに:貯留層コンピューティングによるロードマップ
Authors: Zhou Zhou, Kangjun Bai, Nima Mohammadi, Yang Yi, Lingjia Liu
Abstract要約: 本稿では、インテリジェント反射面(IRS)支援無線通信システムのためのニューラルネットワークベースの信号処理フレームワークについて紹介する。 IRSの「メタ原子」内部の高周波(RF)障害をモデル化することにより、IRS支援システム全体を貯水池計算(RC)システムとして一般化するアプローチを提案する。
参考スコア（独自算出の注目度）: 31.555956425625254
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This article introduces a neural network-based signal processing framework for intelligent reflecting surface (IRS) aided wireless communications systems. By modeling radio-frequency (RF) impairments inside the "meta-atoms" of IRS (including nonlinearity and memory effects), we present an approach that generalizes the entire IRS-aided system as a reservoir computing (RC) system, an efficient recurrent neural network (RNN) operating in a state near the "edge of chaos". This framework enables us to take advantage of the nonlinearity of this "fabricated" wireless environment to overcome link degradation due to model mismatch. Accordingly, the randomness of the wireless channel and RF imperfections are naturally embedded into the RC framework, enabling the internal RC dynamics lying on the edge of chaos. Furthermore, several practical issues, such as channel state information acquisition, passive beamforming design, and physical layer reference signal design, are discussed.
Abstract（参考訳）: 本稿では,知的反射面(irs)支援無線通信システムのためのニューラルネットワークに基づく信号処理フレームワークを提案する。 IRS(非線形およびメモリ効果を含む)の「メタアトム」内の無線周波数(RF)障害をモデル化することにより、IRS対応システム全体を「カオスのエッジ」に近い状態で動作する効率的なリカレントニューラルネットワーク(RNN)であるリザーバコンピューティング(RC)システムとして一般化するアプローチを提示する。このフレームワークにより、この「製造された」無線環境の非線形性を利用して、モデルミスマッチによるリンク劣化を克服することができる。したがって、無線チャネルとRF不完全性のランダム性は、自然にRCフレームワークに埋め込まれ、カオスの端に位置する内部RCダイナミクスを可能にする。さらに, チャネル状態情報取得, 受動ビームフォーミング設計, 物理層参照信号設計などの実用的課題について考察した。

関連論文リスト

RIS-Based On-the-Air Semantic Communications -- a Diffractional Deep Neural Network Approach [10.626169088908867]
現在のAIベースのセマンティックコミュニケーション手法は実装にデジタルハードウェアを必要とする。 RISベースのセマンティックコミュニケーションは、光速計算、計算能力の低さ、複数のタスクを同時に処理する能力など、魅力的な機能を提供する。
論文参考訳（メタデータ） (2023-12-01T12:15:49Z)
Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
論文参考訳（メタデータ） (2022-05-08T06:21:33Z)
Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文参考訳（メタデータ） (2022-05-02T12:23:55Z)
Zero-bias Deep Neural Network for Quickest RF Signal Surveillance [14.804498377638696]
モノのインターネット(IoT)は、十分な数のRFデバイスがRFチャネルを介して情報を接続し、共有できるようにすることによって、現代社会を再構築している。本稿ではRF信号監視のためのディープラーニングフレームワークを提供する。我々は、Deep Neural Networks(DNN)とQuickest Detection(QD)を統合して、シーケンシャルな信号監視スキームを形成する。
論文参考訳（メタデータ） (2021-10-12T07:48:57Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Deep Neural Network Feature Designs for RF Data-Driven Wireless Device Classification [9.05607520128194]
本稿では、RF通信信号の異なる構造と、送信機ハードウェア障害に起因するスペクトル放射を利用する新しい特徴設計手法を提案する。提案するDNNの特徴は,拡張性,精度,シグネチャ・アンチ・クローニング,環境摂動に対する非感受性の観点から,分類の堅牢性を大幅に向上させる。
論文参考訳（メタデータ） (2021-03-02T20:19:05Z)
Implementing efficient balanced networks with mixed-signal spike-based learning circuits [2.1640200483378953]
効率的な平衡ネットワーク(Efficient Balanced Networks、EBN)は、興奮性および抑制性シナプス電流が短時間の時間スケールで平衡しているスパイキングニューロンのネットワークである。我々は、スパイキングニューロンのランダムな接続ネットワークを緊密にバランスの取れた状態に駆動するオンチップ実装に適した、新しい局所学習ルールを開発する。それらの符号化特性とスパース活性により、ニューロモルフィック電子EBNは極端エッジコンピューティング用途に理想的に適合する。
論文参考訳（メタデータ） (2020-10-27T15:05:51Z)
Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文参考訳（メタデータ） (2020-10-09T05:35:27Z)
Coupled Oscillatory Recurrent Neural Network (coRNN): An accurate and (gradient) stable architecture for learning long time dependencies [15.2292571922932]
本稿では,リカレントニューラルネットワークのための新しいアーキテクチャを提案する。提案するRNNは, 2次常微分方程式系の時間分解に基づく。実験の結果,提案したRNNは,様々なベンチマークによる最先端技術に匹敵する性能を示した。
論文参考訳（メタデータ） (2020-10-02T12:35:04Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)
Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
論文参考訳（メタデータ） (2020-07-06T13:59:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。