English(EN) Graph Neural Networks for Resource Allocation in Integrated Sensing and Communication

图神经网络优化集成传感与通信中的功率分配

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员开发了一种新颖的图神经网络（GNN）算法，称为GNN-ISAC，用于优化集成传感与通信（ISAC）网络中的功率分配。该方法解决了在满足传感信噪比约束的同时最大化通信总速率的复杂非凸问题。与WMMSE等传统方法相比，GNN-ISAC表现出具有竞争力的性能，在显著降低计算成本和减少传感链路违规的情况下，实现了相似的通信速率。该模型还显示出强大的泛化能力，无需重新训练即可在更大的网络上表现良好。 AI

影响这项研究可能为未来通信和传感网络中更高效的资源管理带来新的可能。

排序理由该集群包含一篇详细介绍针对特定技术问题的算法的学术论文。

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 →

本文如何被排名

Signal score: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍针对特定技术问题的算法的学术论文。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Junyu Liao, Lili Chen, Tian Han, Jamie Evans · 2026-11-06 05:00

面向集成感知与通信的资源分配的图神经网络

arXiv:2611.07277v1 Announce Type: new Abstract: In vehicular integrated sensing and communication (ISAC) networks, each service-provider vehicle uses a limited power budget to serve multiple sensing targets and communication receivers. Maximizing the communication sum-rate subjec…

本文如何被排名

报道来源 [1]

面向集成感知与通信的资源分配的图神经网络

相关实体

相关话题