ترجمه فارسی مقاله پیش‌بینی کانال مبتنی بر یادگیری ماشین در سیستم‌های MIMO عظیم با باند پهن با سربار کوچک برای آموزش آنلاین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Machine Learning-based Channel Prediction in Wideband Massive MIMO Systems with Small Overhead for Online Training
عنوان مقاله به فارسی پیش‌بینی کانال مبتنی بر یادگیری ماشین در سیستم‌های MIMO عظیم با باند پهن با سربار کوچک برای آموزش آنلاین
نویسندگان Beomsoo Ko, Hwanjin Kim, Minje Kim, Junil Choi
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Information Theory,Signal Processing,نظریه اطلاعات , پردازش سیگنال ,
توضیحات Submitted 22 August, 2024; originally announced August 2024. , Comments: 16 pages, 16 figures, 4 tables
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 16 صفحه ، 16 شکل ، 4 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Channel prediction compensates for outdated channel state information in multiple-input multiple-output (MIMO) systems. Machine learning (ML) techniques have recently been implemented to design channel predictors by leveraging the temporal correlation of wireless channels. However, most ML-based channel prediction techniques have only considered offline training when generating channel predictors, which can result in poor performance when encountering channel environments different from the ones they were trained on. To ensure prediction performance in varying channel conditions, we propose an online re-training framework that trains the channel predictor from scratch to effectively capture and respond to changes in the wireless environment. The training time includes data collection time and neural network training time, and should be minimized for practical channel predictors. To reduce the training time, especially data collection time, we propose a novel ML-based channel prediction technique called aggregated learning (AL) approach for wideband massive MIMO systems. In the proposed AL approach, the training data can be split and aggregated either in an array domain or frequency domain, which are the channel domains of MIMO-OFDM systems. This processing can significantly reduce the time for data collection. Our numerical results show that the AL approach even improves channel prediction performance in various scenarios with small training time overhead.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی کانال اطلاعات حالت کانال منسوخ را در سیستم های چند ورودی چند خروجی (MIMO) جبران می کند.تکنیک های یادگیری ماشین (ML) اخیراً با استفاده از همبستگی زمانی کانال های بی سیم برای طراحی پیش بینی کننده های کانال اجرا شده است.با این حال ، اکثر تکنیک های پیش بینی کانال مبتنی بر ML فقط هنگام تولید پیش بینی کننده کانال ، آموزش آفلاین را در نظر گرفته اند ، که می تواند هنگام مواجهه با محیط های کانال متفاوت از آنهایی که در آنها آموزش دیده بودند ، عملکرد ضعیفی داشته باشند.برای اطمینان از عملکرد پیش بینی در شرایط مختلف کانال ، ما یک چارچوب آموزش مجدد آنلاین را پیشنهاد می کنیم که پیش بینی کانال را از ابتدا برای ضبط و پاسخ دادن به تغییرات در محیط بی سیم آموزش می دهد.زمان آموزش شامل زمان جمع آوری داده ها و زمان آموزش شبکه عصبی است و باید برای پیش بینی کننده های کانال عملی به حداقل برسد.برای کاهش زمان آموزش ، به ویژه زمان جمع آوری داده ها ، ما یک روش پیش بینی کانال مبتنی بر ML به نام رویکرد یادگیری جمع شده (AL) را برای سیستم های MIMO گسترده پهنای باند پیشنهاد می کنیم.در رویکرد AL پیشنهادی ، داده های آموزش می توانند تقسیم و جمع شوند یا در یک دامنه آرایه یا دامنه فرکانس ، که حوزه کانال سیستم های MIMO-OFDM است.این پردازش می تواند زمان جمع آوری داده ها را به میزان قابل توجهی کاهش دهد.نتایج عددی ما نشان می دهد که رویکرد AL حتی عملکرد پیش بینی کانال را در سناریوهای مختلف با زمان آموزش کوچک بالای سر بهبود می بخشد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.