【讲座笔记】深度学习在通信领域的应用--Byonghyo Shim教授

简介: 此PPT来自韩国首尔国立大学Byonghyo Shim教授,在北京理工大学邀请的线上会议的讲座内容。

1 引言

此PPT来自韩国首尔国立大学Byonghyo Shim教授,在北京理工大学邀请的线上会议的讲座内容。主题“Deeop learning aided wireless communication in post corona Era”。主要针对目前AI在通信领域的应用兴起,宏观的介绍了主要在信道估计、信道检测、信号产生等领域的应用和发展,并对几篇论文的重点进行了解读。本人认真听讲了,并对PPT内容进行解读。本人认为对于刚入门这个领域的人来说,对于整个这个领域的宏观认识,有一定的指导作用,但是并不深入。有理解错误的地方希望能够指出(篇幅较长,我会陆续整理完笔记。。)

2 PPT理解

1.png


1G:可以实现隔空对话。基于高级移动电话系统(AMPS)技术
2G:可以发送文本信息,基于数字系统的码分多址复用(CDMA)技术
3G:可以发送邮件,网上购物、网上银行、线上游戏等,3G的目的是提供兆级别的数据速率。基于宽带码分多址(WCDMA)技术。
4G:可以在线工作、购物、娱乐。基于ODFM的LTE系统,采用所有基于IP的技术。
5G:万物互联(触觉互联网),还需要支持4G 工业革命

2.png


4G和5G的区别
4G的目标是提高数据速率
5G的目标是多样化的。比如:延迟、可靠性、连接密度、可扩展性、能效

3.png


需要加速高频段
需要解决方向性和路径损耗问题

4.png


5G的新功能
  • 支持三个用例的无线电接入技术
    • 波束域操作并激活使用大规模MIMO以支持毫米波顿谱
    • 不同的数组学以支持不同的延迟要求和数据包大小
    • 支持低延迟的mini-slot和动态TDD
    • 新的编码技术(极化码)最小化编码增益并支持短包传输
  • 结构的革新和多技术的整合
    • 从NSA到SA的渐进式网络发展

5.png
6.png
7.png
8.png

系统设计

  • 层次方法
    • 压缩机、信道编码解码、信道估计器、检测器、解码器
  • 基于各种假设的明确定义的系统模型
    • 高斯噪声模型、线性模型、无干涉
  • 当满足假设时有意义,不满足假设就没有意义。

9.png
10.png
11.png
12.png
13.png
14.png
15.png
16.png
17.png
18.png
19.png
20.png
21.png
22.png
23.png
24.png
25.png
26.png
27.png
28.png
29.png
30.png
31.png
32.png
33.png
34.png
35.png
36.png
37.png
38.png
39.png
40.png
41.png
42.png
43.png
44.png
45.png
46.png
47.png
48.png
49.png
50.png
51.png
52.png
53.png

目录
相关文章
|
3天前
|
机器学习/深度学习 人工智能
深度学习中的正则化技术及其应用
【9月更文挑战第8天】在深度学习的探索之旅中,正则化技术如同指南针,引导我们穿越过拟合的迷雾。本文将深入浅出地介绍几种常见的正则化方法,并通过实际代码示例揭示它们如何在模型训练中发挥作用。从L1和L2正则化的基本概念出发,到Dropout技术的随机性之美,再到数据增强的多样性魅力,我们将一起见证这些技术如何提升模型的泛化能力。你将发现,正则化不仅是防止过拟合的技术手段,更是深度学习艺术的一部分。让我们开始这段探索之旅,解锁深度学习中正则化的奥秘。
21 10
|
2天前
|
机器学习/深度学习 人工智能 监控
深度学习在图像识别中的应用与挑战
随着人工智能的迅猛发展,深度学习技术在多个领域展现出强大的潜力和价值。特别是在图像识别方面,深度学习不仅推动了技术的边界,也带来了新的商业机会和社会效益。本文将探讨深度学习在图像识别领域的应用,分析其面临的主要挑战,并提出未来可能的发展方向。通过实例和数据支持,我们将深入了解这项技术如何改变我们的工作和生活方式。
|
9天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
深度学习在图像识别中的应用与挑战
【9月更文挑战第2天】本文将探讨深度学习技术如何在图像识别领域大放异彩,并分析其面临的主要挑战。我们将通过一个实际的代码示例,展示如何利用深度学习模型进行图像分类任务,从而让读者对深度学习在图像识别中的应用有一个直观的理解。
48 22
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在图像识别中的应用与挑战
【9月更文挑战第9天】本文旨在探讨深度学习技术在图像识别领域的应用及其面临的挑战。我们将通过一个具体的案例,展示如何使用深度学习模型进行图像分类,并讨论在实际应用中可能遇到的问题和解决方案。
|
3天前
|
机器学习/深度学习 自动驾驶 安全
深度学习在图像识别中的应用与挑战
当深度学习技术遇上图像识别,就像咖啡遇上糖,激发出了无限可能。本文将深入浅出地探索深度学习如何改变图像识别的游戏规则,同时也会揭示这项技术面临的一些甜蜜负担。从卷积神经网络(CNN)的魔法到训练数据集的构建,我们将一起走进深度学习的世界,看看它是如何在图像识别中大放异彩的。准备好了吗?让我们开始这场视觉与智能的盛宴吧!
|
4天前
|
机器学习/深度学习 自然语言处理 自动驾驶
深度学习的奥秘:从基本原理到实际应用
在这篇文章中,我们将探索深度学习的神秘世界。首先,我们将介绍深度学习的基本概念和原理,然后深入探讨其在不同领域的应用。无论你是初学者还是有经验的开发者,这篇文章都将为你提供新的视角和思考方式。让我们一起揭开深度学习的面纱,探索其无限可能!
|
7天前
|
机器学习/深度学习 自动驾驶 算法框架/工具
深度学习在图像识别中的应用
【9月更文挑战第4天】本文主要介绍了深度学习在图像识别领域的应用,包括其原理、优点以及一些常见的应用场景。同时,我们还将通过一个简单的代码示例来展示如何使用深度学习进行图像识别。
|
11天前
|
机器学习/深度学习 人工智能 自动驾驶
深度学习的浪潮之下:探索其奥秘与应用
在人工智能的星空中,深度学习犹如一颗璀璨的星辰,以其独特的魅力和强大的能力引领着科技的潮流。本文将深入浅出地介绍深度学习的核心概念、关键技术以及在多个领域的实际应用,旨在为读者揭开深度学习神秘的面纱,展示其如何改变我们的生活和工作方式。
|
10天前
|
机器学习/深度学习 安全 算法框架/工具
深度学习在图像识别中的应用与挑战
【8月更文挑战第33天】本文将探讨深度学习如何革新图像识别领域,从基础概念到技术挑战,再到未来展望。我们将通过实际代码示例深入理解卷积神经网络(CNN)的构建和训练过程,并讨论如何克服深度学习在图像识别中面临的主要难题。
|
8天前
|
机器学习/深度学习 数据采集 人工智能
深度学习在医疗健康领域的革新应用:从疾病预测到个性化治疗
【9月更文挑战第4天】深度学习在医疗健康领域的革新应用,为疾病的预防、诊断和治疗带来了全新的可能性。从疾病预测到个性化治疗,深度学习技术正在逐步改变医疗健康的未来。然而,我们也应看到,深度学习在医疗健康领域的应用还面临着诸多挑战,如数据隐私保护、算法可解释性、伦理道德问题等。未来,我们需要不断探索和创新,完善深度学习技术的理论体系和应用框架,为医疗健康行业的可持续发展贡献更多的智慧和力量。