机构名称：
¥ 1.0
传感器阵列的效率随着更多的元素而改善，但增加的元素数量会导致更高的综合需求，成本和功耗。稀疏的Ar-rays仅利用可用元素的子集，提供了一种具有成本效益的解决方案。每个子集对数组的性能属性都有不同的影响。本文基于深层生成建模提供了一种无监督的学习方法，用于选择传感器。选择过程被视为确定性的马尔可夫决策过程，其中传感器子阵列作为终端状态出现。使用生成流网（GFLOWNET）范式用于学习基于当前状态的动作的分布。从上述分布中进行采样可确保达到末端状态的累积概率与相应子集的传感性能成正比。AP-PRACH用于发射光束形成，其中子集的表现与其相应的Beampattern和所需的束图案之间的误差成反比。该方法可以通过在一小部分可能的子集（小于0。0001％可能的子集）。索引术语 - 传感器选择，gflownets，深度学习，深层生成建模
用于传感器选择的Gflownets
主要关键词
相关文件推荐
