vehicular networks | BriefGPT

关键词vehicular networks

搜索结果 - 26

保障互联和自动驾驶汽车的安全：对抗机器学习所带来问题和解决之道
本文阐述了在未来智能交通系统中，机器学习在自动驾驶汽车（CAV）中的应用所带来的各种挑战和潜在的安全问题，特别关注于对 CAV 的敌对性机器学习攻击，并提出了在多种情况下防御对抗攻击的解决方案。
PDF5 years ago
基于 3D 点云的联网自动驾驶车辆的合作感知
借助 LiDAR 3D 点云技术，基于来自联网汽车不同位置和角度的传感器数据融合，提出一种基于点云的 3D 物体检测方法，拓展感知区域、提高检测准确性、促进增强结果，同时通过现有的车联网技术，可实现利用点云数据进行协同感知。
PDF5 years ago
MM基于多智能体强化学习的车联网频谱共享
本文研究了基于多智能体强化学习的车联网频谱共享问题，并使用适于分布式实现的基于指纹的深度 Q 网络方法解决了资源共享问题，展示了多个 V2V 智能体成功合作以分布式方式提高效率。
PDF5 years ago
MM分布式联邦学习用于超可靠低延迟车联网通信
研究车联网中的超可靠低延迟通信的联合功率和资源分配（JPRA），提出一种基于联邦学习和 Lyapunov 优化的分布式方法来估计最大排队时间的极值事件，结果显示此方法可显著减少功耗和大队列长度的用户。
PDF6 years ago
超可靠低延迟 V2V 通信的联邦学习
本文提出了一种新颖的联合传输功率和资源分配方法，旨在实现在车联网中实现超可靠低延迟通信（URLLC），方法采用极端值理论来定义可靠性指标，并利用联邦学习技术，在保证车辆用户（VUEs）的高可靠性的情况下，最小化 VUEs 的网络广泛功耗。
PDF6 years ago
MM移动毫米波网络中的最优波束扫描和通讯
提出了一种一维行动模型，其中移动用户（MU）通过毫米波与路边的基站（BS）通信。基站通过扩大传输束来补偿位置不确定性，当达到关键光束宽度时，它执行光束扫描来细化 MU 位置估计，然后进行窄束通信，并计算出平均速率和平均传输功率，提出了一种最
PDF6 years ago