Transformer神经算子用于数字自干扰消除
热点事件持续更新
Transformer神经算子用于数字自干扰消除
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Su、Zhang 与 He 在 arXiv 发表论文，将带内全双工系统的数字域自干扰消除重构为算子学习问题，提出用 Transformer 神经算子从历史观测中学习残余自干扰信道的时序演化，再结合已知本地发射信号重建当前残余自干扰，训练在无期望信号条件下完成。 在 30 dB SIR 条件下，该方法相较论文所对比的传统方法，消除性能提升 5–15 dB。这些结果来自作者报告，尚未见独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
基于 Transformer 神经算子的带内全双工系统数字自干扰消除报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LG基于 Transformer 神经算子的带内全双工系统数字自干扰消除
该研究将带内全双工系统的数字域自干扰消除重构为算子学习问题，采用 Transformer 神经算子从历史观测中学习残余自干扰信道的时序演化，结合已知本地发射信号重建当前残余自干扰，并在无期望信号条件下完成训练。在 30 dB SIR 条件下，该方法相较所对比的传统方法将消除性能提升 5–15 dB。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。