本文提出了一种顺序探测方法，用于允许中央认知无线电网络（CRN）在设计的主用户（PU）保护规范下访问主用户（PU）的频带，并用二进制 ACK / NACK 数据包来学习 PU 干扰约束，我们在 Active Learning (AL) 框架内研究了这个受限设计问题，并提出采用 Expectation Propagation（EP）方法的最优解，并通过数值模拟来演示该解决方案的性能。

Oct, 2017

本文研究了在不需要网络信息的情况下进行活动检测的问题，并采用了贝叶斯方法，该方法使用先验分布作为正则化，结合似然函数，得出了一种最大后验估计器和变分推断算法。广泛的模拟结果表明，即使没有这些系统参数的知识，所提出的方法仍然优于现有的协方差 - based 和近似传递信息方法。

Jan, 2024

通过贝叶斯非参数方法预测用户活跃数量及所需的时间轨迹，以实现实验规划和干预效果的准确预测。

Jan, 2024

本文介绍了利用人工神经网络进行自主分布式的次级网络的控制策略，并通过预测次级网络对主网络的干扰来解决干扰限制和认知无线电之间的信息交流等问题，以实现更精细的下层传输功率控制和更高的传输机会。

Jun, 2018

本研究旨在提出两种基于中华餐厅过程 (CRP) 先验概率和分层结构的全新无监督模型，以更好地处理众包数据标注中用户注释的质量问题，并利用 Gibbs 采样的高效推理算法对其进行实验验证。

Jul, 2014

通过将社交网络影响视为用户感知的影响，开发了用于用户活动的概率模型，其中每个用户的活动根据一个具有隐藏状态的马尔可夫链发展，而该隐藏状态受用户朋友的集体活动影响。通过使用推特上用户活动的大量语料库验证所提出的模型，数值研究表明，在具有足够观察以确保准确模型学习的情况下，所提出的框架比基于更新过程的模型或传统的未耦合的隐藏马尔可夫模型更好地解释了观察到的数据，并展示了所提出方法在预测下一条推文的时间方面的效用。最后，该模型参数空间中的聚类显示出由用户和他的网络之间的互动动态特征化的不同自然群集。

May, 2013

本文提出了一种基于主动推理的认知无线电资源分配策略，并以认知无人机为案例研究。在外部环境中，提出了一种主动广义动态贝叶斯网络来编码物理信号动态和无人机与干扰源之间的动态交互。通过避免出现令人惊异的状态（最小化异常值），将行动和规划视为贝叶斯推理问题进行求解。仿真实验表明，与传统的频率跳跃和 Q-learning 相比，提出的主动推理方法在最小化异常值（最大化奖励）方面非常有效，并具有很高的收敛速度。

Aug, 2022

本文提出了一种新颖的方法，用于在上行无授权非正交多址接入（NOMA）系统中进行联合活动检测（AD）、信道估计（CE）和数据检测（DD）。我们的方法采用了一种受并行干扰消除（PIC）启发的迭代和并行干扰消除策略，并结合了深度学习，共同解决 AD、CE 和 DD 问题。基于此方法，我们开发了三个 PIC 框架，每个框架分别设计用于相干或非相干方案。第一个框架使用接收到的相干信号进行联合 AD 和 CE。在这个框架的基础上，第二个框架利用接收到的导频和数据信号进行 CE，进一步提高了相干方案中 AD、CE 和 DD 的性能。第三个框架设计用于容纳涉及少量数据位的非相干方案，同时执行 AD 和 DD。通过联合损失函数和干扰消除模块，我们的方法支持端到端训练，提高了相干和非相干方案下 AD、CE 和 DD 的性能。模拟结果证明了我们的方法在传统技术上的优越性，展示了在保持较低计算复杂性的同时，AD、CE 和 DD 的增强性能。

Mar, 2024

本文介绍了一种 Bayesian nonparametric framework，用于 federated learning 问题，其通过 neural networks 对每个数据服务器提供的本地权值进行建模，并且提出了一种推理方法，以在单个通信回合或很少的通信回合中合成更多表达性的全局网络。这种方法在两个流行的图像分类数据集的 federated learning 问题上得到了很好的应用效果。

May, 2019

使用资源有限的 MIMO 雷达网络在毫米波频段内进行人体尺度的射频感知，通过合作机制和贝叶斯工具，实现利用边链通信频道进行参数交换从而提升车辆感知质量，并验证了该方法相较于传统合作方式具有低带宽需求和对未解决目标的敏感度降低的优势。

May, 2024