基于几何感知的元学习神经网络用于RIS中的联合相位和预编码优化
原文中文，约200字，阅读约需1分钟。发表于：。该研究解决了在可重构智能表面（RIS）系统中，基站的预编码矩阵与RIS元件相位的联合优化复杂性问题。本文提出了一种复杂值的几何感知元学习神经网络，通过利用相位变化的复圆几何和预编码的球面几何，在黎曼流形上进行优化，从而实现更快的收敛速度。结果显示，该方法在加权总速率、功耗和收敛速度上均超越现有算法。
该研究提出了一种复杂值的几何感知元学习神经网络，用于解决可重构智能表面系统中基站预编码矩阵与RIS元件相位的联合优化问题。实验结果表明，该方法在加权总速率、功耗和收敛速度上均优于现有算法。
