PulseAugur
中
实时 10:48:16
English(EN) XL MIMO Extreme Learning Machines: Wave-Domain Inference with Stacked Metasurfaces

新型 XL MIMO 系统实现波域神经网络推理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法，通过将神经网络计算与无线信道本身集成，直接对无线传输的数据执行机器学习推理。该方法在接收端使用配备堆叠智能超表面 (SIM) 的 eXtremely Large Multiple-Input Multiple-Output (XL MIMO) 系统。该系统充当两层神经网络，其中无线信道构成第一层，SIM 实现第二层可控层。通过利用极端学习机 (ELM) 框架，该架构展示了通用逼近能力，并实现了与理想化数字模型相当的分类精度，展示了低复杂度、波域神经网络计算的潜力。 AI

影响 这项研究可能导致在无线通信系统中直接实现更高效、更低复杂度的 AI 推理。

排序理由 这是一篇详细介绍信号处理和机器学习新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新型 XL MIMO 系统实现波域神经网络推理

本文如何被排名

Signal score
12 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇详细介绍信号处理和机器学习新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Kyriakos Stylianopoulos, Mattia Fabiani, Davide Dardari, George C. Alexandropoulos ·

    XL MIMO 极端学习机：基于堆叠超表面的波域推理

    arXiv:2610.35469v1 Announce Type: cross Abstract: The recently envisioned goal-oriented communications paradigm requires machine learning inference to be performed directly on wirelessly transferred data, by splitting neural network computations between the transmitter, the Recei…

相关话题