PulseAugur
中
实时 08:43:02
实体 Vehicular Ad Hoc Networks

Vehicular Ad Hoc Networks

PulseAugur coverage of Vehicular Ad Hoc Networks — every cluster mentioning Vehicular Ad Hoc Networks across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_366078 ·

    新的CULypso范式增强了车联网中的遗忘能力

    研究人员推出CULypso,一种新颖的聚类联邦遗忘范式,专为车联网(VANETs)设计。该方法利用网络拓扑和车辆移动来有效地消除客户端对全局机器学习模型的影响。CULypso旨在降低遗忘相关的通信、资源和时间成本,在遗忘保真度和效率方面优于FedEraser等现有方法。

  2. RESEARCH · CL_193479 ·

    两篇论文提出用于车辆网络的先进联邦学习方法

    两篇新研究论文提出了用于车辆网络的先进联邦学习技术。第一篇论文介绍了分层联邦迁移学习(HFTL),通过解决数据异质性和稀疏性问题,提高基于数字孪生车辆自组网(DT-VANETs)的预测准确性。第二篇论文提出了一个基于自动编码器的可靠性优化分层多任务联邦学习(AERO-HMTFL)框架,用于动态聚类车辆自组网(VANETs),能更有效地处理异构学习任务和间歇性连接。这两种方法都旨在增强车辆间的协作智能,同时保护数据隐私。

  3. TOOL · CL_167709 ·

    基于GNN的多智能体强化学习框架将交通波减少80%

    研究人员开发了一种新的去中心化多智能体强化学习(MARL)框架,该框架利用图神经网络(GNN)来管理交通波。这种方法允许联网和自动驾驶汽车(CAVs)仅使用本地信息和与附近车辆的交互来学习协作控制策略,使其在早期车联网(VANETs)中具有实用性。模拟表明,即使只有10%的车辆联网,这种基于GNN的MARL系统也能将交通波传播减少高达80%。