通过 GFlowNets 进行传感器选择：一种深度生成建模框架用于处理组合复杂性导航
原文中文，约400字，阅读约需1分钟。发表于：。这篇论文提出了一种新的框架，将传感器选择作为一个确定性马尔可夫决策过程，使用生成型流网络模拟在状态条件下的动作分布，优化通用服务质量指标。该方法在传感器选择和稀疏天线阵列设计等领域表现出优异性能。
本文提出了一种动态传感器选择方法，用于深度神经网络（DNNs），能够针对每个具体的输入样本推断出最佳的传感器子集选择。通过Gumbel-Softmax技巧联合学习这种动态选择，在标准反向传播中学习离散的决策。然后，展示了如何使用这种动态选择来增加无线传感器网络（WSN）的寿命，通过对每个节点允许传输的频率施加限制。最后，解释了如何在WSN的不同节点之间分配最佳通道的选择。在身体传感器网络的情境中验证了这种方法，使用真实的脑电图（EEG）传感器数据来模拟EEG传感器网络。分析了传输负载和任务准确性之间的权衡结果。
