MMAug, 2013

基于人工智能的认知无线电网络认知路由

PDF
TL;DR本文介绍了各种各样的 AI 和机器学习技术，用于发展认知路由协议，并调查了各种 AI 技术类别在 CRN 中的应用，特别是在路由问题上。同时，我们强调了认知路由协议必须解决的各种推理、推断、建模和学习子任务，并确定了开放性研究问题和未来工作的方向。
cognitive radio networkscognitive routing protocolsai-based techniquesmachine learningrouting
发现论文，激发创造
  • 通过认知无线电和机器学习实现智能无线通信

    本文讨论了智能无线通信、认知无线电、机器学习技术的发展，以及它们在提高动态无线环境下的频谱和能量效率方面的作用和现实应用，并且指出了认知无线电和机器学习在现有和未来无线通信系统中面临的进一步研究挑战。

    Oct, 2017

  • 从认知到智能通信的 20 年演进

    本文概述了过去 20 年中智能通信的发展，从认知无线电到人工智能辅助的智能无线电，评估了智能通信的研究挑战，展示了更智能地利用有限频谱资源以及在未来通信系统中优化配置无线设备的道路。

    Sep, 2019

  • 面向自主与分布式底层动态频谱访问的神经网络认知引擎

    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

  • 车联网中的人工智能：以 ns-3 为例的案例研究

    本文在 ns-3 仿真平台上实现了基于人工智能算法的无线网络优化，通过新的应用程序模拟车对所有策略的传输，基于强化学习模块实现预测服务质量，相较于基线方案，在实现人工智能之后优化网络的效果更好。

    Mar, 2022

  • 认知无线电网络中的干扰信道的受约束贝叶斯主动学习

    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

  • 认知无线电网络中的位置隐私：一项调查

    本文探讨了认知无线电网络中与位置隐私相关的各种潜在威胁和风险，同时探讨了文献中提出的隐私攻击和相应的解决方案，为解决该问题提供了全面的调查结果。

    Jun, 2018

  • 决定如何决策：人工神经网络中的动态路由

    我们提出并系统评估了三种训练动态路由人工神经网络的策略：通过学习变换的图形，不同的输入信号可以采取不同的路线。我们发现，在训练用于分类图像的动态路由网络中，层和分支变得专门处理不同类别的图像。此外，给定固定的计算预算，动态路由网络往往比可比的静态路由网络表现更好。

    Mar, 2017

  • 基于神经辐射场的智能多层次视图合成架构

    通过提出的优化路由选择策略，使用红火蚁策略改进按需源路由系统，通过预测路由故障和能量利用来选择路径，评估结果表明该策略提高了网络生命周期，降低了节点能量消耗和端到端延迟。

    Nov, 2023

  • 基于图注意力多智能体强化学习的分组路由

    本文提出了一种基于强化学习（RL）的无模型和数据驱动路径选择策略，结合图神经网络（GNN）的多智能体 RL 框架，探索了中央化，联合和合作学习三种部署范式，模拟结果表明该算法在分组传输延迟和负载方面优于一些现有的基准算法。

    Jul, 2021

  • 认知学习辅助的多天线通信

    本文重点讨论了深度学习在认知系统中的应用，探讨了用于解决多天线认知通信中的数据复杂性和无线信道动态等挑战的多种基于深度学习的方法，包括联邦学习、迁移学习和在线学习等。我们提出了一些解决这些挑战的深度学习设计方案，包括量化学习模型、数据 / 模型并行化和分布式学习方法。

    Oct, 2020