[發明專利]使用神經網絡的多輸入多輸出(MIMO)檢測器選擇在審
| 申請號： | 202010169434.X | 申請日： | 2020-03-12 |
| 公開（公告）號： | CN111698006A | 公開（公告）日： | 2020-09-22 |
| 發明（設計）人： | 權赫準;S.喬德哈里;宋基逢 | 申請（專利權）人： | 三星電子株式會社 |
| 主分類號： | H04B7/0413 | 分類號： | H04B7/0413;G06N3/08 |
| 代理公司： | 北京市柳沈律師事務所 11105 | 代理人： | 張泓 |
| 地址： | 韓國*** | 國省代碼： | 暫無信息 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 使用 神經網絡 輸入 輸出 mimo 檢測器 選擇 | ||
1.一種訓練神經網絡的方法，包括：
生成與第一調制方案相對應的第一標記數據集和與第二調制方案相對應的第二標記數據集；
使用第一標記數據集和第二標記數據集，基于反向傳播來確定第一神經網絡層與第二神經網絡層之間的成本函數的第一梯度；以及
使用第一標記數據集基于反向傳播來確定第二神經網絡層與第三神經網絡層的第一節點集合之間的成本函數的第二梯度，
其中，第三神經網絡層的第一節點集合對應于與第一調制方案相關聯的第一多個檢測器類別。
2.根據權利要求1所述的方法，還包括：
基于第一梯度，更新第一神經網絡層和第二神經網絡層之間的第一多個權重和第一多個偏差。
3.根據權利要求1所述的方法，還包括：
基于第二梯度，更新第二神經網絡層和第三神經網絡層的第一節點集合之間的第二多個權重和第二多個偏差。
4.根據權利要求1所述的方法，還包括：
使用第二標記數據集，基于反向傳播來確定第二神經網絡層與第三神經網絡層的第二節點集合之間的成本函數的第三梯度。
5.根據權利要求4所述的方法，還包括：
基于第三梯度，更新第二神經網絡層與第三神經網絡層的第二節點集合之間的第三多個權重和第三多個偏差。
6.根據權利要求1所述的方法，還包括：基于神經網絡的輸出選擇第一多個檢測器類別中的檢測器類別。
7.根據權利要求1所述的方法，其中，根據對數似然比(LLR)符號生成第一標記數據集和第二標記數據集。
8.根據權利要求7所述的方法，其中，還基于LLR幅度生成第一標記數據集和第二標記數據集。
9.根據權利要求1所述的方法，其中，基于用于計算偏導數的誤差向量確定成本函數的第一梯度。
10.根據權利要求1所述的方法，其中，基于用于計算偏導數的誤差向量確定成本函數的第二梯度。
11.一種訓練神經網絡的系統，包括：
存儲器；以及
處理器，被配置為：
生成與第一調制方案相對應的第一標記數據集和與第二調制方案相對應的第二標記數據集；
使用第一標記數據集和第二標記數據集，基于反向傳播來確定第一神經網絡層與第二神經網絡層之間的成本函數的第一梯度；以及
使用第一標記數據集，基于反向傳播來確定第二神經網絡層與第三神經網絡層的第一節點集合之間的成本函數的第二梯度，
其中，第三神經網絡層的第一節點集合對應于與第一調制方案相關聯的第一多個檢測器類別。
12.根據權利要求11所述的系統，其中，處理器還被配置為基于第一梯度，更新第一神經網絡層和第二神經網絡層之間的第一多個權重和第一多個偏差。
13.根據權利要求11所述的系統，其中，處理器還被配置為基于第二梯度，更新第二神經網絡層和第三神經網絡層的第一節點集合之間第二多個權重和第二多個偏差。
14.根據權利要求11所述的系統，其中，處理器還被配置為使用第二標記數據集，基于反向傳播來確定第二神經網絡層與第三神經網絡層的第二節點集合之間的成本函數的第三梯度。
15.根據權利要求14所述的系統，其中，處理器還被配置為基于第三梯度，更新第二神經網絡層與第三神經網絡層的第二節點集合之間的第三多個權重和第三多個偏差。
16.根據權利要求11所述的系統，其中，處理器還被配置為基于神經網絡的輸出選擇第一多個檢測器類別中的檢測器類別。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于三星電子株式會社，未經三星電子株式會社許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010169434.X/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：具有期望的機械特性和電氣特性組合的金屬結構
- 下一篇：液體噴射裝置
