LLM4UACP：水声信道多步预测框架
热点事件持续更新
LLM4UACP：水声信道多步预测框架
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
研究者提出 LLM4UACP 框架，通过保持信道脉冲响应与频率响应的双域结构，并微调冻结骨干的预训练 Transformer，一次前向即可完成水声信道多步预测，避免递归预测的误差累积。该方法仅用 0.11M 可训练参数。 论文称，在实测 SO-06 和 SO-07 信道上，该框架 NMSE 分别达 0.0411 和 0.0399，较最新基线降低 88.53% 和 85.15%，且在有限数据与跨数据集迁移场景下保持稳健。
AI 根据报道生成 · 18 分钟前更新
最新进展11月14日 13:00
LLM4UACP：基于预训练 Transformer 与双域结构保持的水声信道多步预测框架报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AILLM4UACP：基于预训练 Transformer 与双域结构保持的水声信道多步预测框架
研究者提出 LLM4UACP 框架，通过保持信道脉冲响应与频率响应双域结构并微调冻结骨干的预训练 Transformer，一次前向即可多步预测水声信道，避免递归预测的误差累积。该方法仅用 0.11M 可训练参数，在实测 SO-06 和 SO-07 信道上 NMSE 分别达 0.0411 和 0.0399，较最新基线降低 88.53% 和 85.15%，且在有限数据与跨数据集迁移场景下保持稳健。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。