AirPASS：漏波天线系统上的空口联邦学习优化框架
热点事件持续更新
AirPASS：漏波天线系统上的空口联邦学习优化框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Azimi-Abarghouyi 与 Brinton 发布论文，研究接入点配备多波导漏波天线系统（PASS）的空口联邦学习（AirFL），提出 AirPASS 交替优化框架，在聚合失真低于阈值的约束下最大化选中设备数量。 框架包含两个交替组件：固定天线配置时，用同伦-黎曼边际巩固方法联合优化设备选择与接收波束赋形；固定设备与波束赋形器时，用同伦辅助几何优化更新天线位置。作者称设备选择、波束赋形与天线位置的联合优化因变量间耦合而高度非凸。 目前仅有论文摘要，实验细节材料未说明。
AI 根据报道生成 · 5 小时前更新
最新进展10月16日 12:00
AirPASS：基于漏波天线系统的空口联邦学习优化框架报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIAirPASS：基于漏波天线系统的空口联邦学习优化框架
论文研究接入点配备多波导漏波天线系统（PASS）的空口联邦学习，目标是在聚合失真低于阈值的前提下最大化选中设备数量。作者提出 AirPASS 交替优化框架，包含两个组件：在固定天线配置下用同伦-黎曼边际巩固方法优化设备选择与接收波束赋形，以及在固定设备与波束赋形器下用同伦辅助几何优化更新天线位置。基于论文摘要，实验细节材料未说明。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月16日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。