resource allocation | BriefGPT

关键词resource allocation

搜索结果 - 240

无线 MEC 网络中动态资源分配的安全深度强化学习
本文提出了一个基于区块链安全的深度强化学习优化框架，用于分散的无线移动边缘计算网络中的数据管理和资源分配。我们设计了一种低延迟的基于声誉的股权证明共识协议，用于选择高可靠的区块链启用的基站，以安全存储移动边缘计算用户请求并防止数据篡改攻击。
PDF7 months ago
多 IRS 辅助的无人机通信的联合用户关联、干扰抵消和功率控制
通过联合智能反射表面与用户的关联、无人机轨迹优化、连续干扰消除解码顺序调度和功率分配，来提高系统能量效率。
PDF7 months ago
语义通信网络的自适应资源分配
我们提出了一种自适应语义资源分配方案，通过语义比特量化（SBQ）与现有无线通信兼容，解决了动态无线环境中由语义度量和传输度量之间的附加映射关系引入的环境感知不准确的问题，并通过联合优化基站的传输波束，语义表示的比特数，子信道分配和带宽资源分
PDF7 months ago
数字孪生增强深度强化学习用于网络切片资源管理
网络切片通信系统通过动态和高效地分配资源来满足各种服务的需求。本文提出了一种由数字孪生和强化学习代理构成的框架来处理资源分配的问题，并验证了该框架的可扩展性，展示了数字孪生对切片优化策略性能的显著改进。
PDF7 months ago
基于部署数据的在线分配有限社会资源的最优和公平策略学习
研究了将稀缺的社会资源分配给异质性申请人的问题，根据观察到的协变量设计了一种在线政策，以满足预算限制并最大化预期结果，并通过数据驱动的政策几乎确定渐近实现了最佳样本外政策的预期结果，并扩展了包括各种公平约束的框架。
PDF7 months ago
零阶异步学习与有界延迟：通信网络资源分配应用实例
代理协同训练的异步学习过程中，通过分布式优化和深度学习进行资源分配的关键问题与相关的研究领域探索。
PDF8 months ago
基于深度学习的通信系统动态用户效用需求资源分配器
本研究提出了一个基于深度学习的资源分配算法（ALCOR），该算法允许用户根据应用层进行自由调整，并使用深度神经网络作为策略来解决时分共享问题中的用户效用需求最大化的优化问题。对 ALCOR 进行的收敛性分析和数值实验验证了其有效性。
PDF8 months ago
利用语言模型进行能耗预测
通过使用语言模型进行能量负荷预测，本文提出了一种新颖的方法，通过利用教导技术将能量消耗数据转化为描述性的句子，实现语言模型的微调，并采用自回归生成方法，能够对未来能量负荷消耗的各种时间段进行预测。通过对真实数据集的大量实验，我们证明了我们提
PDF8 months ago
可解释的时空图神经网络
提出了一种可解释的空时图神经网络（STExplainer）框架，以提高 Spatio-temporal Graph Neural Networks（STGNNs）的可解释性，同时实现准确的预测和可信的解释。通过与其他模型的实验比较，证明 S
PDF8 months ago
V2X 网络中资源分配的联邦强化学习
在车联网（V2X）网络中，我们通过联邦强化学习（FRL）框架探索资源分配，并使用非精确交替方向乘子法（ADMM）实现了算法 PASM，在 V2X 网络中解决资源分配问题，并与基线方法进行了比较。
PDF9 months ago
多智能体强化学习中代理人互动的成本高效泛化定量化
多智能体强化学习中的泛化性提出挑战，本研究通过 Level of Influence（LoI）度量智能体间的交互强度并探究其与训练效果的关系，证实在不同场景中，训练中采用更多多样的协同智能体可以提高自我智能体的泛化能力，此外通过基于 LoI
PDF9 months ago
基于深度强化学习的太赫兹网状回程网络的跨层设计
本文介绍一种基于深度强化学习的 Terahertz 网络设计，包括交叉层路由和资源分配，以提高能源利用效率和资源分配的整体可靠性，并通过无数据丢失和毫秒级延迟实现长期资源高效的回复。
PDF9 months ago
在 LLMs 中平衡专业和通用技能：现代调谐和数据策略的影响
介绍了用于微调和评估大型语言模型（LLMs）用于专门的货币化任务的多方面方法论，目标是在一般语言能力和领域特定技能之间实现平衡。方法论有三个主要组成部分：1）在微调过程中精心混合领域内和通用数据，以实现一般能力和专业能力之间的最佳平衡；2）
PDF9 months ago
DeepSpeed-VisualChat：多轮多图像交互聊天通过多模态因果关注
为了解决现有多模态模型在多图像、多轮对话中处理交叉图像和文本输入的能力不足的问题，我们提出了 DeepSpeed-VisualChat 框架，以优化大型语言模型的性能，并提升大型视觉和语言模型处理交叉输入的能力。相比现有框架，DeepSpe
PDF9 months ago
基于双深度 Q 学习的路径选择和服务部署方法，用于低延时敏感的 5G 以后应用
通过 CCRA 框架，利用资源分配、通信、计算和容量约束等方法来最小化总成本，同时通过 B&B-CCRA 算法、WF-CCRA 算法和 DDQL-CCRA 架构来优化完全和部分已知系统下的问题。
PDF10 months ago
云网络融合 5G 以后的服务预测和编排的 QoS 感知
本文通过引入基于 RNN 的 DDQL 技术和基于 water-filling 算法的服务放置方法，解决了网络云集成环境中的服务放置和资源分配问题，从而实现在 B5G 中动态用户、超低延迟服务的放置以及用户迁移时的服务连续性的优化。
PDF10 months ago
MM层次化联邦学习在无线网络上的用户分配和资源分配
该论文提出了一种层次化联邦学习（Hierarchical FL）框架，并引入了光谱资源优化算法（SROA）和两阶段迭代算法（TSIA），以实现在无线用户大数据集中能源消耗和延迟降低方面的领先优势。
PDF10 months ago
O-RAN 中基于在线学习的虚拟基站自适应资源分配
虚拟基站（vBS）中资源分配的在线学习算法，平衡有效吞吐量和虚拟基站能耗，在各种环境下实现零平均最优差距，节约高达 64.5% 的能耗。
PDF10 months ago
物流中心位置优化：一种基于 K-Means 和 P-Median 模型的混合方法，利用道路网络距离
使用混合方法优化物流中心的位置，节省每个送货的距离并减少碳足迹。
PDFa year ago
U 形并行分布学习的资源优化分配
本研究开发了一种新型的并行 U 形分割学习方法，并设计了最佳化资源分配方案，以提高边缘网络的性能。实验结果表明，该方案能够在保护标签隐私的同时，实现与其他分割学习基线模型类似的性能。
PDFa year ago