深度无线神经网络使用MIMO中继和功率放大器

研究人员开发了一种新颖的深度无线物理神经网络（WPNN），它将计算直接嵌入模拟硬件中，旨在降低能耗和延迟。该WPNN利用多跳MIMO中继网络，其中功率放大器充当激活函数，从而能够对网络的参数进行端到端训练。基于信道状态信息的可获得性，提出了两种收发器设计，并通过仿真演示了准确的空中图像分类，突出了硬件非线性对增强推理的好处。 AI

影响 这项研究可能通过利用模拟计算和硬件非线性，带来更节能、低延迟的AI硬件。

排序理由 该集群包含一篇学术论文，详细介绍了AI硬件的新研究方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Channel state information
• Deep physical neural networks trained with backpropagation
• least squares method
• MIMO
• Power amplifiers
• singular value decomposition
• Wireless physical neural networks

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →