PulseAugur
中
实时 05:33:34
English(EN) AUGUSTE: Online-Learning dApp for Predictive URLLC Scheduling

新的机器学习框架 AUGUSTE 削减 5G URLLC 延迟

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 AUGUSTE，这是一个用于优化 5G 网络中超可靠低延迟通信 (URLLC) 的新框架。AUGUSTE 利用嵌入在媒体访问控制调度器中的在线机器学习模型来预测数据包到达并主动分配资源，从而减少由调度请求过程引起的延迟。该方法旨在通过在保持低延迟的同时最小化资源开销来提高工业自动化和自主系统等应用程序的效率。 AI

影响 这项研究通过降低 5G 网络中的延迟，有望显著改善关键应用的实时通信。

排序理由 详细介绍用于网络通信的新型机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Maxime Elkael, Michele Polese, Yunseong Lee, Koichiro Furueda, Tommaso Melodia ·

    AUGUSTE: 用于预测性URLLC调度的在线学习dApp

    arXiv:2606.03664v1 Announce Type: cross Abstract: Ultra Reliable and Low Latency Communications (URLLC) was one of the main motivations behind 5G, with 3GPP advertising 1-10 ms latency targets for applications such as industrial automation, Vehicle-To-Everything (V2X), tactical e…

  2. arXiv cs.AI TIER_1 English(EN) · Tommaso Melodia ·

    AUGUSTE: 用于预测性URLLC调度的在线学习dApp

    Ultra Reliable and Low Latency Communications (URLLC) was one of the main motivations behind 5G, with 3GPP advertising 1-10 ms latency targets for applications such as industrial automation, Vehicle-To-Everything (V2X), tactical edge networking, and unmanned-system control. Years…

相关实体

相关话题