May, 2023

无先验信道知识的端到端通信系统的深度确定性策略梯度

PDF
TL;DR本篇论文提出了一种基于 DDPG 的深度学习架构，用于联合训练无线通信系统中的发送和接收信号。通过使用接收器 DNN 的损失作为奖励来训练发射器 DNN，该方法不需要先前可微分的信道模型，并展示了比现有解决方案更好的性能表现。
end-to-end learningwireless communicationtransmitterreceiverddpg
发现论文，激发创造
  • 无模型训练端到端通信系统

    本文提出了一种使用神经网络自编码器进行端到端学习的通信系统的新的学习算法，该算法可以训练具有未知信道模型或具有不可微分组件的通信系统，并在软件定义无线电上实现，并在同轴电缆和无线信道上实现了最先进的性能。

    Dec, 2018

  • 基于条件 GAN 的通道无关端到端学习通信系统

    本文提出了使用深度神经网络的端到端通信系统，并使用条件生成对抗网络表示了通道效应，从而构建了一种不需要先前信息的通道不可知的端到端系统。

    Jul, 2018

  • 基于深度学习和条件生成对抗网络的端到端无线通信系统与未知信道

    本研究提出使用条件生成对抗网络模拟信道影响来优化端到端通信系统，解决了信道状态信息难以获取的问题，并在多种信道中得到有效验证。

    Mar, 2019

  • 无信道模型的通信系统端到端学习

    本文提出了一种新颖的学习算法，通过监督接收器的训练和基于强化学习的发射器训练之间的迭代来解决没有可微通道模型的端到端通信系统学习问题，并在加性白噪声和瑞利衰落信道上证明了该方法的有效性。

    Apr, 2018

  • 异步情节式深化确定性策略梯度法：面向计算复杂环境的连续控制

    本文提出了一种扩展 Deep Deterministic Policy Gradient (DDPG) 的算法 Asynchronous Episodic DDPG (AE-DDPG)，通过异步学习和组合应用周期控制和动态噪声等技术，该算法在连续控制任务中取得更好的结果，具有更高的奖励和更高的数据利用效率。

    Mar, 2019

  • 极端嘈杂观测下的多智能体深度强化学习

    使用通信媒介增强的多智能体深度确定性策略梯度算法在六种高度非稳态环境中表现良好，相比基线模型具有显著性能提升。

    Dec, 2018

  • 基于深度学习的空中通信

    本研究演示了通过深度学习和软件无线电实现完全由神经网络构成的通信系统，并使用两阶段学习方法应对训练过程中的不可导问题。

    Jul, 2017

  • 利用深度确定性策略梯度进行高优先级用户学习资源调度

    通过应用深加性策略梯度方法，学习一种针对优先用户的通信资源调度算法，旨在实现移动通信能力与医疗专家的紧密集成，提高预院急救与院内治疗协调一致性，以及整合现有系统。

    Apr, 2023

  • 深度确定性策略梯度用于城市交通信号灯控制

    本文旨在提出一种使用深度学习 DDPG 算法来优化交通信号灯时序的方法，以应对交通数据信息量大的情况，并在简单和复杂的交通网络测试中获得了良好结果。

    Mar, 2017

  • 基于深度强化学习的 V2N 服务扩展

    本文使用深度强化学习的方法解决边缘计算中垂直缩放的问题，为车联网通信提供支持，实验表明，与现有解决方案相比，该方法可以降低至少 23％ 的 CPU 使用率，同时增加 24％ 的长期收益。

    Jan, 2023