实体
user equipment
user equipment
PulseAugur coverage of user equipment — every cluster mentioning user equipment across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法增强了异构5G网络中的干扰检测能力
研究人员开发了一种统计集成方法（SEM），用于在开放无线接入网络（O-RAN）中检测射频干扰。该方法结合了自适应基线检测、异常检测和突变检测，能够泛化到异构的5G环境。SEM无需标记数据即可立即运行，并可随时间推移进行优化，为可能在分布变化下失效的机器学习模型提供了一种更鲁棒的替代方案。
-
量子强化学习大幅降低5G网络能耗
研究人员开发了一种新颖的量子强化学习（QRL）算法，以显著降低5G及未来网络中的能耗。该方法解决了基站高能耗的挑战，基站占网络能耗的很大一部分。通过利用叠加和纠缠等量子原理，QRL算法比传统的深度强化学习（DRL）方法收敛更快。模拟显示，QRL在保持服务质量的同时能有效降低能耗，在速度和学习复杂度方面均优于DRL和Q-Learning。
-
AI预测5G网络状态以克服回程延迟
研究人员开发了一种新颖的两阶段预测框架，以减轻5G网络协同波束成形中回程延迟的影响。该框架利用谱时图神经网络（StemGNN）来预测未来的用户设备调度状态，从而有效地替换因网络延迟而导致的过时信息。这种预测方法显著提高了协同波束成形的性能，挽回了通常因延迟而造成的和速率及公平性损失的很大一部分。