1573 ورقة بحثية
تقترح هذه الورقة خوارزمية بحث في الأشجار بعمق أول لتحسين تكوين الأسطح الذكية القابلة لإعادة التشكيل لما وراء القطر (BD-RIS) في أنظمة (MISO) متعددة المستخدمين، محققةً توازناً فعالاً بين تعظيم قوة القناة والحفاظ على قابلية توسع التعقيد الحسابي.
تُظهر هذه الورقة مستقبلاً متماسكاً مدمجاً من الأنظمة الضوئية-الإلكترونية محدود الكم قادراً على كشف الضوء المعتصر، وتقترح مخطط اتصالات يستخدم أجهزة إرسال واستقبال كمومية كهذه لتجاوز حد شانون والاقتراب من حد سعة هوليفو الأساسي.
تستقصي هذه الورقة تأثير معلومات حالة القناة غير المثالية على الاستدلال العصبي عبر الهواء متعدد القفزات، وتقترح خمسة مخططات استدلالية لتخصيص الإشارات التجريبية تُظهر مقايضة بين عبء التدريب ودقة التصنيف، مما يبين أن التخصيص المتوازن للموارد يمكن أن يحقق أداءً يضاهي الخطوط المرجعية الرقمية.
تقدم هذه الورقة حججاً رياضية رسمية باستخدام كثافة الصفر ونظرية روشيه لتفسير كيفية تحديد أصفار المخططات الطيفية الضوضائية لدعم الإشارة وتشكيل بنيات حتمية في وجود التداخل، مما يؤكد جدواها في الكشف عن الإشارة.
تقترح هذه الورقة تطبيق xApp يعتمد على التعلم التعزيزي العميق لـ Near-RT RIC في شبكات O-RAN غير المتجانسة، والذي يعمل على تحسين قدرة الإرسال، وتقسيم عرض النطاق الترددي، وجدولة المستخدم بشكل مشترك، مما يظهر انخفاضات كبيرة في استهلاك الطاقة وتحسينات في عدالة المستخدم مقارنة بالخوارزميات الاستدلالية التقليدية.
تقترح الورقة البحثية نموذج "ترانسفورمر" ذو انتباه تقاطعي قابل للتوسع، يتيح فك التشفيد المشترك لإشارات الـ OFDM الصاعدة عبر نقاط وصول متعددة منسقة من خلال تعلم الهياكل الزمنية والترددية ودمج بيانات المستقبل دون تقدير صريح للقناة، محققاً بذلك أداءً قوياً يضاهي النماذج المرجعية ذات معلومات حالة القناة المثالية مع الحفاظ على الكفاءة على الأجهزة التقليدية.
تقدم هذه الورقة البحثية إطار عمل SampEnG، وهو إطار عمل مبتكر يوسع نطاق "الإنتروبيا العينية" (Sample Entropy) ليشمل الإشارات الرسومية عبر الاستفادة من التضمينات المدركة للطوبولوجيا والجوارات متعددة القفزات لتوصيف الديناميكيات غير الخطية على الشبكات المعقدة، مما يثبت فعاليتها في اكتشاف التحولات الطورية في تدفق حركة المرور والأنظمة الواقعية الأخرى.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي متعدد الوكلاء (MARL) خالٍ من معلومات حالة القناة (CSI)، يستخدم بنية تدريب مركزي وتنفيذ لامركزي للتحكم ذاتياً في مصفوفات العواكس القابلة للتعديل ميكانيكياً، مما يحقق تعزيزاً كبيراً للإشارة وتكيفاً قوياً مع الحركة في بيئات عدم وجود خط البصر دون الحاجة إلى تقدير معقد لمعلومات حالة القناة.
تقترح هذه الورقة إطار عمل للتعلم المعزز الهرمي متعدد الوكلاء خالٍ من معلومات حالة القناة (CSI-free)، والذي يستفيد من بيانات تحديد موقع المستخدم للتحكم بكفاءة في العواكس القابلة لإعادة التشكيل، محققاً تحسينات كبيرة في قوة الإشارة وقابلية توسع قوية في شبكات الموجات المليمترية (mmWave) مع التخلص من العبء الباهظ لتقدير معلومات حالة القناة.
تقترح هذه الورقة نموذج انتشار إشارة رسومية يستفيد من بنية U-Net مع الشبكات العصبية الرسومية لتقليل تكلفة سياسة الخبير الثنائية-الأولية التكرارية من أجل تخصيص موارد لاسلكية شبه مثالية وقابلة للتعميم عبر أخذ عينات مباشرة من التوزيعات الشرطية المتعلمة.