Key points are not available for this paper at this time.
एकाधिक-उपयोगकर्ता, मल्टीपल-इनपुट, मल्टीपल-आउटपुट (MU-MIMO) सिस्टम जो बड़ी संख्या में एक साथ स्ट्रीम्स का समर्थन करते हैं, भविष्य के वायरलेस संचार सिस्टम की कनेक्टिविटी और थ्रूपुट में काफी सुधार करने की क्षमता रखते हैं। इस लक्ष्य की ओर, हाल ही में MIMO सिग्नल डिटेक्शन के लिए डीप लर्निंग (DL)-आधारित तकनीकों का प्रस्ताव किया गया है। पारंपरिक डिटेक्शन विधियों की तुलना में अच्छे प्रदर्शन परिणाम मिले हैं, लेकिन यह स्पष्ट नहीं कि वे अत्याधुनिक डिटेक्शन तकनीकों के मुकाबले कैसे हैं। इस कार्य में, पहली बार, हम DetNet, MMNet, GEPNet, और RE-MIMO, चार प्रमुख मॉडल-आधारित DL तकनीकों का उनके विभिन्न कार्य सिद्धांतों के आधार पर एक आलोचनात्मक मूल्यांकन करते हैं, और उनकी विश्वसनीयता, जटिलता, और व्यावहारिक व्यापक पैरेलल गैर-रेखीय प्रसंस्करण (MPNL) डिटेक्शन दृष्टिकोण के विरुद्ध मजबूती का आकलन करते हैं। परिणाम दिखाते हैं कि मॉडल-आधारित DL दृष्टिकोण आशाजनक परिणाम देते हैं पर वे उन चैनल मॉडलों के अनुरूप ढलने में कठिनाई करते हैं जिनपर इन्हें प्रशिक्षित किया गया था। वे MPNL की तुलना में कम विश्वसनीयता और अधिक जटिलता भी प्रदर्शित करते हैं, प्रशिक्षण चरण को ध्यान में रखे बिना भी। हम पाते हैं कि वर्तमान में, मानव-निर्मित MPNL लगभग सभी मेट्रिक्स में DL-आधारित डिटेक्शन विधियों से बेहतर प्रदर्शन करता है। इसके बावजूद, DL-आधारित समाधान तेजी से प्रगति कर रहे हैं, और उनके वर्तमान कमजोरियों को संबोधित करने के लिए आगे का शोध किसी दिन मानव-निर्मित डिटेक्शन विधियों की तुलना में लाभ प्रदान कर सकता है।
Ducoing et al. (Sun,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: