本文提出了一种节俭、基于模型的网络，用于克服通信信道在用户位置发生变化和学习低频函数的偏见带来的困难。该网络将目标映射函数的低频部分与高频部分分离出来，形成一个超网络架构。通过只学习高频组件字典中的低频稀疏系数，该神经网络在真实合成数据上表现优于标准方法。