研究人员推出FedQoS,一个联邦学习框架,旨在预测和缓解动态室内外无线环境中服务质量(QoS)的下降。该方法使接入节点能够从网络数据(如无线测量和流量负载)中进行本地学习,而无需集中用户数据。通过联邦聚合训练全局QoS风险预测器,以估计候选接入链路的QoS失败概率,从而实现更可靠的接入节点选择。该框架使用Sionna框架生成的合成数据集进行了评估,与传统方法相比,QoS失败率显著降低。 AI
影响 这项研究通过改进复杂环境中的接入选择机制,有望带来更稳定可靠的无线连接。
排序理由 该集群描述了一篇发表在arXiv上的研究论文,详细介绍了一种新的无线接入选择框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →