PulseAugur
实时 09:54:47
English(EN) ML-Based Hierarchical Prediction for Practical Energy Scheduling in Dynamic NTN-WPT Systems

机器学习方法优化卫星到设备能量调度的方案

研究人员开发了一种新颖的基于机器学习的能量调度方法,用于动态非地面网络-无线能量传输(NTN-WPT)系统。该方法旨在优化低地球轨道卫星向用户设备传输能量的能效、任务完成率和任务等待时间。该系统采用三层预测框架,利用图神经网络进行能量传输效率建模,并采用多目标强化学习来平衡相互竞争的目标。 AI

影响 这项研究可以提高移动设备的无线能量传输系统的效率和可靠性,尤其是在陆地基础设施有限的地区。

排序理由 学术论文,详细介绍了用于NTN-WPT系统的能量调度的创新机器学习方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习方法优化卫星到设备能量调度的方案

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhanyu Ju, Wenchi Cheng ·

    面向动态NTN-WPT系统中实际能量调度的基于机器学习的分层预测

    arXiv:2608.08804v1 Announce Type: cross Abstract: With advancements in long-distance wireless power transfer (WPT) and space-based energy technologies, integrating WPT into non-terrestrial networks (NTNs), referred to as NTN-WPT, is emerging as a promising approach for next-gener…