تقویت ارتباطات با الگوبرداری از مغز
به گزارش کارگروه فناوری اطلاعات سایبربان، به نقل از «techxplore»؛ دانشمندان همواره به دنبال ایجاد ارتباطات قابل اطمینان و کارآمدتر در همه ی بسترها هستند. برای مثال می توان به تلویزیون و تلفن همراه تا ماهواره و ابزارهای پزشکی اشاره کرد.
یکی از شیوه های تقویت کیفیت سیگنال ها ترکیب تکنیک های ورودی-خروجی چندگانه با مدولاسیون تقسیم فرکانس عمودبرهم (OFDM) است.
لینجیا لی (Lingjia Liu) و یانگ یی (Yang YiT)، پژوهگشران دانشگاه فناوری ویرجینیا به تازگی از الگوریتم یادگیری ماشینی الگوبرداری شده از مغز انسان، استفاده کردند. این الگوریتم، به منظور بهبود بهره وری انرژی گیرنده های بی سیم به کار گرفته خواهد شد. این تحقیقات با همکاری اداره اطلاعات آزمایش تحقیقاتی نیروی دریایی آمریکا صورت می گیرد.
ترکیب شیوه های یاد شده امکان انتقال سیگنال ها از فرستنده به گیرنده را به طور همزمان از طریق چند مسیر گوناگون فراهم می کند. این روش تداخل کمتری را ارائه داده و مزیتی ذاتی را در مسیرهای ساده به منظور جلوگیری از محو شدگی چندگانه ی آنها فراهم می کند. برای مثال می توان به اختلال ایجاد شده در هنگام تماشای تلویزیون در روزهای طوفانی اشاره کرد.
لو گفت:
ترکیبی از تکنیک ها و فرکانس، مزایای بسیاری را ارائه می دهد و فناوری اصلی دسترسی رادیویی برای 4 جی و 5 جی به حساب می آید. با وجود این در حال حاضر شناسایی سیگنال های گیرنده و تقویت آنها، به منظور ارسال مجدد به ابزارهایی که برایشان قابل درک هستند به توان محاسباتی و انرژی بالایی نیاز دارد.
2 محقق نام برده، از شبکه های عصبی الگوبرداری شده از مغز انسان به منظور کاهش ناکارآمدی شیوه های فعلی استفاده کردند.
یی ادامه داد:
به طور معمول گیرنده های فعلی پیش از شناسایی سیگنال های فرستنده، سعی در تخمین زدن کانال آن دارند. ما می توانیم با استفاده یک شبکه ی عصبی، چارچوبی کاملا جدید را ایجاد کرده وسیگنال های فرستنده را مستقیما در گیرنده شناسایی کنیم.
اقدام بالا در زمانی که مدل کردن کانال مشکل باشد یا امکان برقراری ارتباط مستقیم بین ورودی ها و خروجی ها وجود نداشته باشد، باعث بهبود عملکرد سیستم می شود.
هوش مصنوعی یاد شده از طریق فریم ورکی به نام شبکه حالت پژواک (ESN) آموزش داده شد. این فریم ورک یک شبکه عصبی بازگشتی است که بهره وری بالا را همزمان با انرژی پایین ترکیب می کند.
