power allocation | BriefGPT

关键词power allocation

搜索结果 - 45

基于深度学习的联合多用户 MISO 功率分配与波束形成设计
基于深度学习的无监督式深度学习的联合功率分配和波束形成设计方案可以提高频谱效率，并且相较于传统方法具有较高的计算效率。
PDF20 days ago
在约束场景中学习非我观察的功率分配
我们提出了一个基于学习的框架，用于在瞬时约束下在自组干扰网络中进行高效能量分配。我们将最优能量分配与瞬时约束相结合，通过使用演员 - 评论家算法在每个步骤获得满足约束的能量分配，并通过实验分析证明了该方法的有效性和效率。
PDF5 months ago
联合概率选择与功率分配的联邦学习
研究在有限能源预算的设备上训练机器学习模型时，联邦学习在无线网络中的性能表现，提出了一种基于概率的客户端选择和功率分配方法，通过交替算法解决该问题，并与其他基准进行了比较，结果表明该方法在能源消耗、完成时间和准确性方面取得了显著的性能。
PDF6 months ago
MM基于多智能体深度强化学习的 IAB 网络联合功率与子信道分配
开发了一个基于多智能体深度强化学习框架的集成接入和回传网络的联合优化方法，该方法通过 SAPA (Subchannel Allocation and Power Allocation) 问题的深度 Q 学习网络和随机方案的基线比较，展示了有
PDF10 months ago
无线电联网无人机的联合路径规划和功率分配，利用通过深度反向强化学习的学徒学习
该研究论文探讨了一种面向空中无人机的干扰感知联合路径规划和功率分配机制，旨在最大化上行吞吐量并降低地面用户设备的干扰，模拟结果表明该方法可以实现专家级别的性能水平。
PDFa year ago
通过边剪枝加速图神经网络，用于在无线网络中进行功率分配
本研究提出了基于邻居节点的阈值方法，用于减少无线网络中图神经网络算法的复杂度，同时保持较强的性能，并分析了不同通信信道情况下适当选择距离阈值和邻居阈值的建议。结果表明，所提出的 GNN 方法在降低时间复杂度方面具有显着优势，并且通过选择适当
PDFa year ago
基于深度强化学习的 MIMO-NOMA 物联网系统中功率分配以最小化 AoI 和能耗
本文提出了一种基于深度强化学习的 MIMO-NOMA 物联网系统的最优功率分配策略以最小化信息时延和能耗，并通过广泛的模拟实验证明了其优越性。
PDFa year ago
隐私保护的联邦多智能体强化学习在车联网的边缘关联和功率优化中的应用
针对面临环境不确定性和无法进行个体学习的情况，研究了在保障隐私的前提下联合边缘关联和功率分配问题。通过联邦多智能体强化学习来解决这一问题，提高了无线连接性的成本效益，保护了更高的隐私级别，同时只共享加密的训练数据。
PDFa year ago
ENGNN: 一种通用的具有边缘更新功能的 GNN 结构，用于无线网络中的无线电资源管理
为了在未来的无线网络中实现高数据速率和无处不在的连接，本文提出了一种基于图神经网络的边更新机制，以高效地管理射束形成和功率分配等无线电资源，并在典型的无线电资源管理问题中取得了比现有方法更高的总速率和更短的计算时间。
PDF2 years ago
深度强化学习的毫米波非正交多址下行系统联合功率分配和波束成形器
该研究使用深度强化学习方法，对毫米波条件下的非正交多址接入进行了功率分配和波束成形的优化，以达到用户总速率最大化，并在模拟结果中表现出较其他方法更佳的效果。
PDF2 years ago
面向下一代 HetNets 的多层次多智能体 DRL 框架：联合多 RAT 分配和动态资源分配
本文提出了一个基于分阶段多代理深度强化学习框架 DeepRAT 来解决下一代异构无线网络中成本感知的下行总速率最大化的问题。通过模拟实现，我们证明各种 DRL 代理的有效互动，学习系统动态并导出全局最优策略，同时也证明了 DeepRAT 算
PDF2 years ago
MM基于图的算法展开：用于无线网络中的能量感知功率分配
我们开发了一种新颖的基于图的可训练框架，用于最大化无线通信网络中的功率分配的加权和能效（WSEE）；为解决问题的非凸性，我们提出了模块化结构并提供了基于图卷积神经网络（GCNs）的可学习组件，通过梯度下降法进行模型训练，它已经证明可以推广到
PDF2 years ago
一种基于深度强化学习的预设狄利克雷功率分配策略
本研究提出了用于连续分配问题的 Dirichlet 策略，在问题求解速度、性能和超参数稳健性方面比 Gaussian-softmax 策略更优。此算法被应用于需要优化高效与可持续发展的多电源系统，研究结果表明其在提高系统效率和可维护性，延长
PDF2 years ago
MM大规模 MIMO 系统中神经网络功率分配的通用对抗攻击
本文研究了基于 DL 的模型在无线系统下行功率分配问题中的回归应用，并提出了通用对抗扰动（UAP）制造方法作为白盒和黑盒攻击。通过对 UAP 的性能测试，展示了其白盒和黑盒攻击成功率分别可以达到 60％和 40％。提出的 UAP 攻击方法与
PDF3 years ago
针对基于深度学习的无线通信功率控制的对抗攻击
本论文研究基于对手机器学习的对功率分配的攻击，其中基站通过使用深度神经网络（DNN）将其传输功率分配给多个正交子载波来为多个用户设备（UE）提供服务。训练相应于回归模型的 DNN 以通道增益为输入并返回传输功率作为输出。研究了对单个 UE
PDF3 years ago
MMMC-NOMA 的联合资源管理：一种深度强化学习方法
本文提出了基于深度强化学习的联合资源管理方法来应对多载波非正交多址系统中的硬件敏感性和不完美连续干扰消除，包括对子载波赋值和功率分配两个迭代子任务的决策过程。经过广泛实验验证，该方法在系统吞吐量和抗干扰能力方面较现有替代方案更加优越，并可以
PDF3 years ago
MM基于深度学习的 Massive MIMO 网络功率分配的对抗性攻击
本文研究了深度学习在无线通信系统中应用的安全性问题，使用快速梯度符号法、动量迭代快速梯度符号法和方向性梯度下降法攻击了大规模多输入多输出系统中功率分配的神经网络，发现在神经网络输入的微小扰动下能使白盒攻击的收益率达到 86%。
PDF3 years ago
两向高斯过程回归及 AoI 感知调度联合设计的预测控制与通讯
研究上传和下载调度和功率分配的联合问题，通过机器学习和高斯过程回归预测丢失的状态和操作信息，以最小化平均信息新鲜度和传输功率，并利用 Lyapunov drift-plus-penalty 优化框架提出动态控制算法。
PDF3 years ago
利用 NOMA 的无人机辅助可见光通信进行和速率最大化：群智能与机器学习的结合
本文提出了一种利用无人机的可见光通信辅助非正交多址接入的方法，通过使用 Harris 鹰优化算法和人工神经网络，实现了实时应用并避免了落入传统训练器的 “局部最小值” 陷阱，证明了该算法 / HHO 训练器优于其他方案和现有元启发式算法。
PDF3 years ago
深度强化学习在蜂窝网络中联合频谱和功率分配中的应用
本文提出了一个学习框架来优化无线网络的频谱和功率分配，使用两种分别针对离散和连续变量的强化学习算法来同时执行和训练，模拟结果表明该方案优于基于分数规划的算法和以往基于深度强化学习的解决方案。
PDF4 years ago