模型驱动深度神经网用于通信场景

****模型类型：1.数据驱动（date-driven）2.模型驱动（model-driven）
目前使用DL来进行通信研究主要分为两种方法，数据驱动和模型驱动，数据驱动将神经网络视为一个黑箱模型，喂入数据，得到结果。模型驱动是用通信领域知识和物理机制构造模型。

• **数据驱动的缺点：**1.严重依赖标签数据和经验调参。通信场景下，带标签的数据的获取并不easy。2.模型的可解释性也是一个问题，这也是神经网络的一个研究方向。
• **模型驱动的优点：**1.训练数据容易获得。2.减小过拟合风险。3.快速部署。