新的PU-HNO模型提高了无线场建模的准确性

研究人员开发了一种物理展开混合神经网络算子（PU-HNO），以提高无线场建模的准确性。这种三阶段级联模型可逐步捕捉反射、衍射和散射等复杂的传播效应。PU-HNO旨在从低保真度模拟和场景先验中预测高保真度无线电地图，在各种户型实验中优于现有的图像到图像和神经网络算子基线。 AI

影响 该模型可以提高无线网络规划和部署的准确性和效率。

排序理由 该项目是一篇研究论文，详细介绍了用于无线场建模的新模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Physics-Unrolled Hybrid Neural Operator
• PU-HNO
• Rafid Umayer Murshed
• ScienceCast

• 论文
• 模型发布

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