.png){kind=icon}
返回
Synaptic Intelligence-Based Beam Selection in Dynamic Environments
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2025.3586843.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在真实世界的车联网通信中，基于机器学习的波束选择在非视线（NLOS）和视线（LOS）情况下的非平稳分布中具有挑战性。例如，一个在高峰时段交通中新近更新的模型几乎无法重新适应之前遇到的常规交通。为解决这一问题，本文提出了一种持续学习的方法，名为基于突触智能的波束选择（SIBS），该方法通过限制在新训练期间对关键参数的更改来保留历史知识。在模拟数据集上的实验表明，SIBS对动态环境具有强大的适应性，它能够适应新场景，并在遇到的场景中显著保持性能。
Keyword:
Synaptic intelligence
continual learning
mmWave communications
beam selection
deep learning
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
暂无论文信息