PulseAugur
中
实时 09:08:41
English(EN) Spatio-Temporal Scheduling Prediction Under Backhaul Delay for Resilient Coordinated Beamforming

AI预测5G网络状态以克服回程延迟

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的两阶段预测框架，以减轻5G网络协同波束成形中回程延迟的影响。该框架利用谱时图神经网络（StemGNN）来预测未来的用户设备调度状态，从而有效地替换因网络延迟而导致的过时信息。这种预测方法显著提高了协同波束成形的性能，挽回了通常因延迟而造成的和速率及公平性损失的很大一部分。 AI

影响 这项研究通过预测性AI主动解决延迟问题，有望实现更具弹性和更高效的5G网络。

排序理由 该集群包含一篇学术论文，详细介绍了使用AI进行网络性能优化的新方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

AI预测5G网络状态以克服回程延迟

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Prashant Kumar Singh, Shubham Vaishnav, Ahmet Hasim G\"okceoglu, Li Wang ·

    Spatio-Temporal Scheduling Prediction Under Backhaul Delay for Resilient Coordinated Beamforming

    arXiv:2607.08454v1 Announce Type: cross Abstract: Coordinated beamforming in distributed 5G networks relies on the timely exchange of inter-cell scheduling information, but backhaul latency makes this information stale. Even a single transmission time interval (TTI) of delay can …

  2. arXiv cs.AI TIER_1 English(EN) · Li Wang ·

    Spatio-Temporal Scheduling Prediction Under Backhaul Delay for Resilient Coordinated Beamforming

    Coordinated beamforming in distributed 5G networks relies on the timely exchange of inter-cell scheduling information, but backhaul latency makes this information stale. Even a single transmission time interval (TTI) of delay can reduce CBF-SLNR performance below the uncoordinate…

相关实体

相关话题