实体
Wireless Foundation Models
Wireless Foundation Models
PulseAugur coverage of Wireless Foundation Models — every cluster mentioning Wireless Foundation Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
LatentWave 使用JEPA进行无线基础模型训练
研究人员推出了一种新的无线基础模型LatentWave，该模型采用联合嵌入预测架构（JEPA）进行预训练。与以往关注重建低级信号细节的方法不同，LatentWave通过在潜在空间中预测掩码区域来学习更具可迁移性的表示。这种方法结合了每通道的patch嵌入和随机通道采样，使得模型能够有效地处理可变的天线数量和多样化的无线配置。在射频信号分类和5G定位等任务上的评估表明，与掩码建模基线相比，其开箱即用的性能得到了提升。
-
脉冲神经网络增强无线基础模型
研究人员开发了SpikeWFM，这是一种将脉冲神经网络（SNN）与基于Transformer的人工神经网络（ANN）相结合的新型混合模型，用于无线基础模型。该方法旨在借鉴人脑的处理能力，提高这些模型的鲁棒性和能源效率。实验表明，与传统的基于ANN的无线基础模型相比，SpikeWFM在预训练收敛和信道预测准确性方面表现更好。
-
Adaptive 3D-RoPE 通过物理对齐的位置编码增强无线基础模型
研究人员开发了 Adaptive 3D-RoPE，一种新颖的位置编码方法，旨在提高无线基础模型的性能。该新方法通过引入一个可学习的、轴解耦的 3D 频率库和一个条件化信道的控制器，与无线信道的物理特性保持一致。实验表明，在天线尺度外推方面，归一化均方误差最多可降低 10.7 dB，在尺度外推和零样本泛化方面取得了显著的改进。