MM-RIS架构与CRAFTS强化学习框架提出
热点事件持续更新
MM-RIS架构与CRAFTS强化学习框架提出
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Li-Hsiang Shen 与 Chi-Te Kuo 提出 MM-RIS 架构，把可移动单元与自适应反射、透射、放大及能量收集集成在一起，并配套设计混合 RSMA-NOMA 传输方案以提升频谱效率。 为最大化能量效率，两人提出 CRAFTS 框架：用双向参数共享把 MAPPO 与 MADQN 结合起来，分别处理连续和离散动作，并引入 Transformer 架构、联邦学习和基于拉格朗日的自适应惩罚机制。 作者称，仿真显示该架构与框架在能量效率和约束满足上均优于现有基准。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
MM-RIS：可移动单元多功能 RIS 辅助混合 RSMA-NOMA 的约束混合强化学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIMM-RIS：可移动单元多功能 RIS 辅助混合 RSMA-NOMA 的约束混合强化学习方法
研究提出 MM-RIS 架构，将可移动单元与自适应反射、透射、放大及能量收集集成，并设计混合 RSMA-NOMA 传输方案以提升频谱效率。为最大化能量效率，作者提出 CRAFTS 框架，用双向参数共享结合 MAPPO 与 MADQN 分别处理连续和离散动作，并引入 Transformer 架构、联邦学习与基于拉格朗日的自适应惩罚机制。仿真显示该架构与框架在能量效率和约束满足上均优于现有基准。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。