flexible and adaptive ai for wireless transceivers-申请方
主办方
东南大学信息科学与工程学院
讲座介绍
人工智能（AI）被预见将在未来的无线技术中扮演关键角色，深度神经网络（DNNs）使数字接收器能够在具有挑战性的通信场景中学习操作。然而，无线收发器设计提出了与传统深度学习领域根本不同的独特挑战。这些挑战主要源于无线设备的有限功率和计算资源，以及无线通信的动态性质，这导致数据分布的持续变化。这些挑战影响了基于高度参数化DNNs的传统AI，促使开发适应性强、灵活且轻量级的AI用于无线通信，这是本次讲座的重点。我们将讨论基于AI的无线接收器设计如何需要重新思考AI的三大支柱：架构、数据和训练算法。在架构方面，我们将回顾如何通过基于模型的深度学习设计紧凑的DNNs。然后，我们将讨论如何在不影响频谱效率的情况下获取深度接收器的训练数据。最后，我们将回顾高效、可靠和鲁棒的训练算法，这些算法通过元学习和广义贝叶斯学习增强了现有的深度学习技术，并提出了一种基于将学习动态建模为状态空间模型的不同学习方法。
演讲人
Nir Shlezinger
Nir Shlezinger是以色列本-古里安大学电气与计算机工程学院的副教授。他于2011年、2013年和2017年分别获得本-古里安大学的电气与计算机工程学士、硕士和博士学位。2017年至2019年，他在以色列理工学院担任博士后研究员，2019年至2020年，他在魏茨曼科学研究所担任博士后研究员，并因其研究成就获得FGS奖。他是2024年IEEE ComSoc Fred W. Ellersick奖、2025年IEEE ComSoc Marconi奖和2024年Krill杰出青年研究者奖的获得者。他的研究兴趣包括通信、信息理论、信号处理和机器学习。
扫描二维码
下载申请方APP
下载申请方APP
扫描二维码
下载申请方APP