ترجمه فارسی مقاله در مورد انتخاب پارامتر شبکه های عصبی تابع پایه شعاعی انتقال فاز برای سیستم های ارتباطی

چکیده

In the ever-evolving field of digital communication systems, complex-valued neural networks (CVNNs) have become a cornerstone, delivering exceptional performance in tasks like equalization, channel estimation, beamforming, and decoding. Among the myriad of CVNN architectures, the phase-transmittance radial basis function neural network (PT-RBF) stands out, especially when operating in noisy environments such as 5G MIMO systems. Despite its capabilities, achieving convergence in multi-layered, multi-input, and multi-output PT-RBFs remains a daunting challenge. Addressing this gap, this paper presents a novel Deep PT-RBF parameter initialization technique. Through rigorous simulations conforming to 3GPP TS 38 standards, our method not only outperforms conventional initialization strategies like random, $K$-means, and constellation-based methods but is also the only approach to achieve successful convergence in deep PT-RBF architectures. These findings pave the way to more robust and efficient neural network deployments in complex digital communication systems.

چکیده به فارسی (ترجمه ماشینی)

در حوزه در حال تحول سیستم های ارتباطی دیجیتال ، شبکه های عصبی با ارزش پیچیده (CVNN) به یک سنگ بنای تبدیل شده اند و عملکرد استثنایی را در کارهایی مانند تساوی ، تخمین کانال ، پرتو و رمزگشایی ارائه می دهند.در میان بیشماری از معماری های CVNN ، شبکه عصبی عملکرد شعاعی انتقال فاز (PT-RBF) به ویژه در هنگام کار در محیط های پر سر و صدا مانند سیستم های MIMO 5G ، از هم آشکار می شود.علیرغم قابلیت های آن ، دستیابی به همگرایی در PT-RBF های چند لایه ، چند ورودی و چندجهه همچنان یک چالش دلهره آور است.با پرداختن به این شکاف ، این مقاله یک تکنیک اولیه سازی پارامتر PT-RBF عمیق جدید را ارائه می دهد.از طریق شبیه سازی های دقیق مطابق با استانداردهای 3GPP TS 38 ، روش ما نه تنها از استراتژی های اولیه سازی معمولی مانند روش های تصادفی ، $ $ $ و روشهای مبتنی بر صورت فلکی بهتر عمل می کند بلکه تنها رویکرد برای دستیابی به همگرایی موفق در معماری های عمیق PT-RBF است.این یافته ها راه را برای استقرار قوی تر و کارآمدتر شبکه های عصبی در سیستم های ارتباطی پیچیده دیجیتال هموار می کند.