BriefGPT.xyz
大模型
Ask
alpha
关键词
ultra-dense networks
搜索结果 - 5
MM
基于联邦强化学习的超密集毫米波网络束形管理：一个智能和安全的方法
本文介绍一种新型系统化波束控制方案，针对超密集的毫米波网络的波束管理问题。在基于联邦学习的波束管理方案中，使用了双层深度 Q 网络（DDQN），非原始数据聚合可以在减少切换成本的同时，理论上保护用户隐私。模拟结果证明了本文所提出的方案的性能
→
PDF
2 years ago
超密集网络的负载均衡：基于深度强化学习的方法
本研究提出了一种基于深度强化学习的移动负载平衡算法及其两层体系结构，用于解决超密集网络中的大规模负载平衡问题。经实验验证，该算法在非规则网络拓扑、相互干扰和随机用户移动等复杂条件下表现优于现有方法。
PDF
5 years ago
人工智能定义的 5G 无线接入网络
本文介绍了用于 5G 基站的智能代理，该代理结合了感知、学习、理解和优化的功能以促进实现大规模多输入多输出天线系统、毫米波通信和超密集网络的发展和部署。我们提出了一种灵活、快速部署、跨层次的基于人工智能的框架，以满足即将到来和未来对 5G
→
PDF
6 years ago
超密集超细胞网络中的波束成形远程通道推断
本文提出了一种基于学习的低开销信道估计方法，在超密集网络的协调波束赋形中使用，可以通过人工神经网络在线推导出不同波束赋形的质量，从而替换需要大量的导频辅助信道估计，多个基站联合同时学习并增加候选波束，实现更好的性能。实验结果显示，在具有 2
→
PDF
7 years ago
MM
非随机学习方法在能源高效移动管理中的应用
本文采用基于学习的方法来解决超密集、异构蜂窝，大规模节点的无线网络能源效率管理问题。其中，操作实时性以及基站切换成本等问题也被考虑。本文提出了 Batched Randomization with Exponential Weighting
→
PDF
8 years ago
Prev
Next