非侵入性自适应性信息状态在动态分散空间内获取的信息
Ruifeng Li1,2, Jinyan Ma1,2, Da Li1,2
1Zhejiang University-University of Illinois at Urbana-Champaign Institute, Zhejiang University, Haining 314400, China.
Research (Washington, D.C.)
|June 3, 2024
概括
这项研究证明了在动态分散环境中使用新型对抗网络进行非侵入性获取信息状态. 这一突破实现了多目标场景的费舍尔信息极限,提高了测量精度.
科学领域:
- 物理 物理学 物理
- 信息理论 信息理论
- 机器学习 机器学习
背景情况:
- 实现高信息获取效率对于在分散介质中达到测量精度极限至关重要.
- 虽然工程模式可以最大限度地提高信息状态,但它们通常需要部分系统入侵.
- 动态分散空间的非侵入性方法由于复杂的映射问题而具有挑战性,特别是在多目标场景中.
研究的目的:
- 在动态分散空间中实验证明非侵入性信息状态获取的可行性.
- 在多目标场景中解决非唯一的映射问题所带来的挑战.
- 为了达到最终的测量精度极限而不会干扰系统.
主要方法:
- 引入一个协同生成的对抗性网络框架.
- 使用系统的外部散射矩阵.
- 在动态散射环境中的实验验证.
主要成果:
- 在动态分散空间中成功的非侵入性获取信息状态.
- 对多个目标场景的有效信息状态获取的演示.
- 仅通过系统的散射矩阵实现费舍尔信息极限.
结论:
- 开发的对抗网络框架允许在动态分散系统中进行非侵入性的信息状态获取.
- 这种方法克服了多目标场景和复杂的散射环境中以前的局限性.
- 这些发现为动态复杂系统中的高精度测量提供了新的视角.
