Компьютерная наука > Машинное обучение [представлено 16 сентября 2026 года] Название: Radio-Frequence Convolutional Neatural Network View PDF HTML (экспериментальный) Резюме: Running Interpretative Intellitive (AI) модели непосредственно на таких кабельных устройствах, как смартфоны, износимые и беспилотные летательные аппараты предлагают низкую запоздание, широко распространенную масштабируемость и конфиденциальность данных, но эти устройства редко имеют вычислительную способность, которую требуют современные нейронные сети. Ускорители эдж были разработаны в ответ, однако каждый из них добавляет компьютерные аппараты к устройствам с ограниченной величиной, весом, мощностью и стоимостью (SWaP-C). Альтернатива заключается в том, что эти устройства уже несут: микросмешатель частот во всех беспроводных радиосигналах с мультипликаторами во времени, выполняющий на местах функцию сворачивания в области частоты. Здесь мы внедряем радиочастотные нервные сети (RF-CNN), которые перенаправляют существующие аппараты связи для вывода CNN. Мультиканальные слияния картируются на частотные тоны для пассивного миксера, который должен выполнять в одном пропуске. Экспериментально мы продемонстрировали, что RF-CNN работает на глубине до 26,4 млн. параметров и 9 слоев от классификации беспроводных сигналов и изображений до контролируемого создания изображений, близкого к полноразмерным характеристикам. Поскольку весы поступают по воздуху и аналоговое оборудование делится с коммуникацией,…
Сети радио- и телевещания
arXiv: 2609.192979v1 Annuate Type: New Humber: Models Plaining Intellitive (AI) Motals on Rair Objects, такие как смартфоны, износимые и беспилотные летательные аппараты, предлагают низкую запоздалость, широко распространенную масштабируемость и конфиденциальность данных, но эти устройства редко имеют вычислительную способность, которую требуют современные нейронные сети. Ускорители эдж были разработаны в ответ, однако каждый из них добавляет компьютерные аппараты к устройствам с ограниченной величиной, весом, мощностью и стоимостью (SWaP-C). Альтернатива заключается в том, что эти устройства уже несут: микросмешатель частот во всех беспроводных радиосигналах с мультипликаторами во времени, выполняющий на местах функцию сворачивания в области частоты. Здесь мы внедряем радиочастотные нервные сети (RF-CNN), которые перенаправляют существующие аппараты связи для вывода CNN. Мультиканальные слияния картируются на частотные тоны для пассивного миксера, который должен выполнять в одном пропуске. Мы экспериментально продемонстрировали, что RF-CNN имеет глубокие CNN до 26,4 млн. параметров и ni