本文通过建立一个随机几何模型来研究若干个 IoT 设备接入 Internet 所使用的低功耗广域网络（Low Power Wide Area networks, LPWA），并对其中的一种主流 LPWA 技术 ——LoRa 进行了分析。研究发现，由于使用了与众不同的调制技术 (chirp spread-spectrum modulation technique) 以及采用了 ALOHA 协议，基于该技术的网络可能受到信号干扰的影响，限制了其可扩展性，限制因素可表现为以下两个方面：同传播序列的信号干扰和频谱受限制。

Oct, 2016

本文介绍了基于 LoRaWAN 的智能校园数据集，并使用 k 最近邻解决方案处理缺失值，并使用 LSTM 预测未来数据。最后，使用深度神经网络预测基于传感器读数的房间内人数。研究表明，模型在预测人数方面有 95% 的准确性，数据集公开并详细描述，为探索其他特征和应用提供了机会。

Apr, 2023

本篇综述了目前最流行的 IoT 通信技术 —— 低功耗广域网（LPWAN）之一的 LoRa 网络，主要介绍了其技术挑战和解决方案，并探讨了其存在的开放性问题，以期激发更多人研究和完善 LoRa 网络，以应对未来物联网应用的巨大需求。

Aug, 2019

该论文研究了一种深度学习框架来解决 LoRa 网络的安全挑战，包括设备识别和合法与伪装信号分类任务。研究结果表明对于不同 LoRa 信号分类任务的敌对攻击具有一定的传递性，并强调了使物联网应用抵御敌对攻击的必要性。

Dec, 2023

本文讨论了基于低功率通信网络的大规模分布式多智能体系统中的拒绝服务攻击问题，并利用神经网络，将推测目标信号的带宽和扩频因子的问题转化为分类问题进行高效实现。

Sep, 2023

提出了一种新颖的 Fine-Tuned attribute Weighted Naive Bayes (FT-WNB) 分类器以用于室内定位系统中的 UltraWide Bandwidth 信号的 Line-of-Sight (LoS) 和 Non-Line-of-Sight (NLoS) 的识别，其性能比现有的最先进的机器学习方法在该场景下显著更好。

Apr, 2023

基于多智能体强化学习的传输参数分配算法（MALoRa）用于最大化 LoRa 网络的系统能效，显著提高系统能效，并在包传递率方面接受可接受的降低。

Sep, 2023

我们提出了 Tied-LoRA，这是一个简单的范例，利用权重绑定和选择性训练来进一步提高 Low-rank 适应（LoRA）方法的参数效率。我们的研究包括将可行的参数训练 / 冻结与权重绑定相结合，以寻找性能和可训练参数数量之间的最佳平衡。通过涵盖各种任务和两个基本语言模型的实验，我们提供了分析，揭示了效率和性能之间的权衡。我们的实验发现了一种特定的 Tied-LoRA 配置，通过仅使用标准 LoRA 方法所使用参数的 13％，在几个任务上表现出可比较的性能。

Nov, 2023

在遥远的农业和灾害救援行动中，地下 LoRaWAN 与非地面网络（NTN）的整合可提供显著的经济和社会效益。然而，在大规模地下 LoRaWAN NTN 中有效地分配扩频因子（SFs）以最小化同样 SF 的干扰仍然具有挑战性。为解决这个问题，我们研究了基于强化学习（RL）的 SFs 分配方案，以优化系统的能源效率（EE）。在密集网络中高效捕捉设备与环境的相互作用方面，我们提出了一种使用多智能体对抗性双重深度 Q 网络（MAD3QN）和多智能体优势演员 - 评论家（MAA2C）算法的 SFs 分配技术，基于分析性的奖励机制。我们提出的基于强化学习的 SFs 分配方法在极端地下到卫星的场景中表现出比四个基准方案更好的性能。值得注意的是，MAD3QN 在收敛速度和能源效率方面显示出了有希望超过 MAA2C 的潜力。

Nov, 2023

本文介绍了一种新的无线互联网技术，即通过在无许可低子 GHz 频段使用低速长距离传输技术实现星型拓扑接入网络来为物联网场景提供连接，这种新方法在效率、有效性和架构设计方面优于传统方式，特别适用于典型的智能城市应用。

Oct, 2015