研究人员开发了一种新的聚类联邦学习（CFL）方法，以改进托管Wi-Fi网络中的流量预测。该方法通过采用两步聚类程序来解决识别用于接入点（AP）模型分组的信息量聚类这一挑战。该方法优先考虑信息量，并以差分熵量化，以选择最佳聚类解决方案。结果表明，与其他分布式策略相比，这种CFL工具实现了更优越的预测性能和更低的通信及能源消耗，仅在显著提高准确性时成本略有增加。 AI
影响 该方法有望实现大规模Wi-Fi部署中更高效、更准确的网络管理。
排序理由 该集群包含一篇研究论文，详细介绍了一种用于特定应用的创新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
