00:35官方账号arXiv cs.LG@Kyriakos Stylianopoulos, Mattia Fabiani, Giulia Torcolacci, Davide Dardari, George C. Alexandropoulos该研究提出eXtremely Large MIMO系统作为Extreme Learning Machine执行空中二分类。接收端配备级联超表面层,前端固定非线性响应作为激活函数,后续可调线性层在波域近似训练权重。在多个数据集上评估显示,该架构分类精度与理想数字模型相当,证明了低复杂度波域空中学习的可行性。论文Extreme Learning MachineMIMO超表面推荐理由:康奈尔大学团队推出超大规模MIMO系统,用物理超表面实现机器学习,波域处理精度媲美数字模型。原文稍后读已读值得跟进有用关注 Extreme Learning Machine
10:28官方账号arXiv cs.AI@Yubo Zhang, Yiyao Liu, Xiaodong Wang该论文提出L2T框架,将MIMO检测建模为完整向量转移的随机序列。每个转移步骤中,信道耦合的Transformer更新实例嵌入与采样策略,并通过分块自回归分解捕获跨流依赖。硬输出检测采用递归转移网络,通过残差到BER课程训练,先学习精确残差度量的搜索几何,再对齐策略与传输比特准确率。软输出接收则通过参数级克隆,将训练好的硬策略应用于未绑定软输入软输出IDD接收机,并在LDPC解码中产生后验与外部对数似然比。多阶段训练策略稳定了硬到软的迁移。论文L2TMIMOTransformer推荐理由:这篇论文提出L2T框架,用Transformer做MIMO检测的转移策略,硬输出和软输出都覆盖,挺有新意。原文稍后读已读值得跟进有用关注 L2T