論文の概要: Near-Field Spot Beamfocusing: A Correlation-Aware Transfer Learning Approach
- arxiv url: http://arxiv.org/abs/2405.19347v2
- Date: Thu, 21 Nov 2024 10:12:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:16:36.281467
- Title: Near-Field Spot Beamfocusing: A Correlation-Aware Transfer Learning Approach
- Title（参考訳）: 近接場スポットビームフォーカス:相関型移動学習手法
- Authors: Mohammad Amir Fallah, Mehdi Monemi, Mehdi Rasti, Matti Latva-Aho,
- Abstract要約: 3次元スポットビームフォーカス(SBF)は、近距離領域の放射状領域と角状領域において、非常に小さな体積内で放射力を集中する。
チャネル状態情報(CSI)に依存しない機械学習(ML)に基づく手法の実装が,超大規模プログラマブルミータサーフェス(ELPM)を用いた実効SBFのために開発されている。
本稿では、ELPMを用いた近接場SBFについて検討し、サブアレイの独立トレーニングによる長大なトレーニング時間に関連する課題に対処する。
- 参考スコア（独自算出の注目度）: 9.849635250118912
- License:
- Abstract: 3D spot beamfocusing (SBF), in contrast to conventional angular-domain beamforming, concentrates radiating power within very small volume in both radial and angular domains in the near-field zone. Recently the implementation of channel-state-information (CSI)-independent machine learning (ML)-based approaches have been developed for effective SBF using extremely-largescale-programable-metasurface (ELPMs). These methods involve dividing the ELPMs into subarrays and independently training them with Deep Reinforcement Learning to jointly focus the beam at the Desired Focal Point (DFP). This paper explores near-field SBF using ELPMs, addressing challenges associated with lengthy training times resulting from independent training of subarrays. To achieve a faster CSIindependent solution, inspired by the correlation between the beamfocusing matrices of the subarrays, we leverage transfer learning techniques. First, we introduce a novel similarity criterion based on the Phase Distribution Image of subarray apertures. Then we devise a subarray policy propagation scheme that transfers the knowledge from trained to untrained subarrays. We further enhance learning by introducing Quasi-Liquid-Layers as a revised version of the adaptive policy reuse technique. We show through simulations that the proposed scheme improves the training speed about 5 times. Furthermore, for dynamic DFP management, we devised a DFP policy blending process, which augments the convergence rate up to 8-fold.
- Abstract（参考訳）: 3次元スポットビームフォーカス(SBF)は、従来の角領域ビームフォーミングとは対照的に、近距離領域の放射状領域と角状領域の両方において、非常に小さな体積内で放射力を集中させる。
近年,チャネル状態情報(CSI)に依存しない機械学習(ML)ベースの手法の実装が,超大規模プログラマブルミータサーフェス(ELPM)を用いた効果的なSBFのために開発されている。
これらの手法は、ELPMをサブアレイに分割し、Desired Focal Point (DFP) にビームを集中させるために、Deep Reinforcement Learningと独立に訓練する。
本稿では、ELPMを用いた近接場SBFについて検討し、サブアレイの独立トレーニングによる長大なトレーニング時間に関連する課題に対処する。
サブアレイのビーム焦点行列間の相関から着想を得た高速なCSI非依存解を実現するために,転送学習技術を利用する。
まず,サブアレイ開口の位相分布画像に基づく新しい類似度基準を提案する。
そして、訓練されたサブアレイから訓練されていないサブアレイへ知識を伝達するサブアレイポリシー伝搬スキームを考案する。
適応政策再利用手法の改訂版として準液層を導入することで学習をさらに強化する。
提案手法がトレーニング速度を約5倍改善することを示す。
さらに,動的DFP管理のために,コンバージェンス率を最大8倍に向上するDFPポリシーブレンディング法を考案した。
関連論文リスト
- Near-field Beam training for Extremely Large-scale MIMO Based on Deep Learning [20.67122533341949]
深層学習に基づく近接場ビームトレーニング手法を提案する。
我々は,歴史データからチャネル特性を効率的に学習するために,畳み込みニューラルネットワーク(CNN)を用いる。
提案手法は,従来のビームトレーニング法と比較して,より安定したビームフォーミングゲインを実現し,性能を著しく向上させる。
論文 参考訳（メタデータ） (2024-06-05T13:26:25Z) - Improved off-policy training of diffusion samplers [93.66433483772055]
本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。
シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。
我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
論文 参考訳（メタデータ） (2024-02-07T18:51:49Z) - Transport meets Variational Inference: Controlled Monte Carlo Diffusions [5.5654189024307685]
本稿では,経路空間上の発散に着目したサンプリングおよび生成モデリングのための原理的かつ体系的な枠組みを提案する。
ベイズ計算のためのemphControlled Monte Carlo Diffusion sampler (CMCD)を開発した。
論文 参考訳（メタデータ） (2023-07-03T14:28:36Z) - Stochastic Unrolled Federated Learning [85.6993263983062]
本稿では,UnRolled Federated Learning (SURF)を導入する。
提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
論文 参考訳（メタデータ） (2023-05-24T17:26:22Z) - Deep Learning and Image Super-Resolution-Guided Beam and Power
Allocation for mmWave Networks [80.37827344656048]
我々は,ミリ波(mmWave)ネットワークのためのディープラーニング(DL)誘導ハイブリッドビームとパワーアロケーションアプローチを開発した。
教師付き学習と超解像技術の相乗効果を利用して、低オーバヘッドビームとパワーアロケーションを実現する。
論文 参考訳（メタデータ） (2023-05-08T05:40:54Z) - An Unsupervised Learning Approach for Spectrum Allocation in Terahertz
Communication Systems [31.263991262752498]
テラヘルツ通信システムにおける教師なし学習を支援する新しいスペクトル割当戦略を提案する。
まず、最適化問題を定式化し、最適なサブバンド帯域幅を決定し、電力を伝送する。
そこで本研究では,教師なし学習に基づく問題解決手法を提案する。
論文 参考訳（メタデータ） (2022-08-07T02:14:13Z) - Fed-LAMB: Layerwise and Dimensionwise Locally Adaptive Optimization
Algorithm [24.42828071396353]
FL(Federated Learning)の新たなパラダイムでは、モバイルデバイスなどの大量のクライアントが、それぞれのデータに基づいてトレーニングされている。
低帯域幅のため、分散最適化手法は計算負荷をそれらのクライアントからサーバにシフトさせる必要がある。
我々は階層的なディープニューラルネットワークに基づく新しい学習手法であるFed-LAMBを提案する。
論文 参考訳（メタデータ） (2021-10-01T16:54:31Z) - Solving Sparse Linear Inverse Problems in Communication Systems: A Deep
Learning Approach With Adaptive Depth [51.40441097625201]
疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。
提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
論文 参考訳（メタデータ） (2020-10-29T06:32:53Z) - Distributed Uplink Beamforming in Cell-Free Networks Using Deep
Reinforcement Learning [25.579612460904873]
本稿では,集中処理,半分散処理,完全分散処理を備えたアップリンクセルフリーネットワークのためのビームフォーミング手法を提案する。
分散ビームフォーミング手法は,小規模ネットワークのみを対象とした集中学習によるDDPGアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-06-26T17:54:34Z) - An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。
この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文 参考訳（メタデータ） (2020-06-19T22:05:19Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。