103 Arbeiten
Die Arbeit stellt CrossCheck vor, ein System zur Eingabevalidierung in Software-Defined-Networking-Controllern für Weitverkehrsnetze, das durch die Erkennung fehlerhafter Eingaben Netzwerkausfälle verhindert und sich in Produktionseinsätzen sowie Simulationen durch hohe Genauigkeit bei gleichzeitig null falsch-positiven Meldungen bewährt hat.
Dieser Artikel stellt einen auf einem Dual-AoI-Modell basierenden, MDP-basierten Scheduling-Ansatz für drahtlose Überwachungssysteme mit zufälligen Datenankünften vor, der die Asynchronität zwischen Sensoren und Überwachungsstation berücksichtigt und durch eine schwellenwertbasierte Politik eine effizientere Minimierung des Informationsalters als bestehende Methoden erreicht.
Diese Arbeit stellt eine kostengünstige, Open-Source-basierte Plattform aus 1:10-Skalen-Mini-Autos vor, die mit ROS2 und dem ETSI-konformen OScar-Stack ausgestattet ist, um kooperative, vernetzte und automatisierte Fahrzeugszenarien wie eine Kreuzungskollisionswarnung effizient zu testen.
Diese Studie zeigt, dass eine Kombination aus Low-Earth-Orbit-Satellitenkonstellationen und Quantenrepeatern mit Neutralen-Atom- oder NV-Zentren-Technologie unter Berücksichtigung aktueller Hardware-Beschränkungen ein globales Quantennetzwerk mit End-zu-End-Verschränkungsrate über bis zu 20.000 km ermöglicht, wobei gleichzeitig die entscheidenden technologischen Engpässe identifiziert werden, die für den zukünftigen Aufbau solcher Netzwerke überwunden werden müssen.
Diese Arbeit stellt zwei Deep-Learning-Modelle – einen maßgeschneiderten Graph-Attention-Netzwerk-Ansatz und einen feinabgestimmten multimodalen Large Language Model – zur Vorhersage von Netzwerkdaten vor, die im Vergleich zu LSTM-Modellen überlegene Generalisierungsfähigkeit bzw. eine reduzierte Vorhersagevarianz aufweisen.
Diese Studie analysiert die gegenseitige Beeinträchtigung von IEEE 802.11p und LTE-V2X Sidelink und zeigt, dass die Einfügung eines IEEE 802.11p-Preambles in LTE-V2X-Signale eine wirksame, standardkonforme Methode zur Minderung von Kollisionen und zur Sicherstellung einer Koexistenz unter verschiedenen Verkehrslasten darstellt.
Dieser Artikel stellt die neuen ETSI-Spezifikationen für den Multi-Channel-Betrieb (Release 2) vor, die eine effiziente Nutzung mehrerer Kanäle für erweiterte C-ITS-Anwendungen ermöglichen, und erläutert dabei die Architektur, Anwendungsbeispiele sowie offene Forschungsfragen.
Die Arbeit stellt Wall-Street vor, eine intelligente, fahrzeugmontierte Oberfläche, die durch die Bündelung von mmWave-Signalen und nahtlose Zellwechsel die Zuverlässigkeit und Leistung von Mobilfunkverbindungen für sich schnell bewegende Fahrzeuge im Vergleich zu herkömmlichen Handover-Verfahren erheblich verbessert.
Diese Studie analysiert den Einfluss verschiedener Open-RAN-Funktionsaufteilungen und Strahlkonfigurationen auf die Handover-Verzögerung in nicht-terrestrischen Netzen und zeigt, dass die vollständige Integration des gNB an Bord von LEO-Satelliten die höchste Verfügbarkeit von etwa 95,4 % erreicht, während die Split-7.2x-Konfiguration aufgrund höherer Verzögerungen bei satelliteninternen Handovers die geringste Verfügbarkeit aufweist.
Diese Arbeit stellt ein benutzerzentriertes Deep-Reinforcement-Learning-Verfahren namens UCMS_MADDPG vor, das durch intelligente Modellaufteilung und eine optimierte Ressourcenallokation die Verzögerung und den Energieverbrauch bei der Aufgabenabwicklung in dynamischen MEC-Umgebungen des AIoT minimiert.
Diese Arbeit stellt einen statistisch fundierten Schätzer für die „Segmentiertheit" von Netzwerken vor, der auf einer zufälligen Stichprobe von Knotenpaaren basiert und es ermöglicht, den Sicherheitsgrad eines Netzwerks unabhängig von seiner Größe präzise zu quantifizieren.
Diese Studie zeigt, dass das Versagen beim Skalieren von verteiltem GPU-Training oft auf übersehene Netzwerkeffekte wie Topologie, Überlastung und GPU-Lokalität zurückzuführen ist, und bietet praktische Diagnoseprinzipien zur Verbesserung der Vorhersagbarkeit und Kosteneffizienz.
Diese Studie nutzt Daten von OpenCelliD, um durch eine umfassende Analyse von Mobilfunknetzen in mehreren Ländern, insbesondere Pakistan, Strategien für die Optimierung der Infrastruktur, die Identifizierung von Unterauslastungen und gezielte Upgrades von veralteten Technologien zu entwickeln.
Diese Studie stellt einen neuartigen Rahmen zur Vorhersage des Verkehrszustands auf städtischen Hauptstraßen vor, der Connected-Vehicle-Daten nutzt, um Fahrzeugdaten zu aggregieren und ein abnormalitätsbewusstes räumlich-zeitliches Graph-Convolution-Netzwerk (AASTGCN) mit einer Dual-Expert-Architektur einsetzt, um sowohl normale als auch abnormale Verkehrssituationen präziser zu modellieren als bestehende Methoden.
Diese Studie untersucht die Zuweisung von rekonfigurierbaren intelligenten Oberflächen (RIS) in Multi-Cell-Netzen mittels einer aufsteigenden Auktion, bei der Deep-Reinforcement-Learning-Agenten die Gebotsstrategien optimieren, um eine flexible Steuerung des Trade-offs zwischen Netzwerkleistung und Kosten zu ermöglichen.
Diese Arbeit untersucht das fundamentale Problem der Gruppierung periodischer, zeitgetriggerter Signale in Nachrichten sowie deren periodische Planung auf einer einzelnen Ressource, um durch effiziente Header-Nutzung die Bandbreitennutzung zu optimieren und gleichzeitig die Beschränkungen der Nachrichtenlänge zu berücksichtigen.
Dieses Whitepaper präsentiert eine detaillierte Charakterisierung und Modellierung des Energieverbrauchs eines kommerziellen O-RAN-Systems auf Basis umfassender Messungen aus einer gemeinsamen Testkampagne, um datengestützte Optimierungsstrategien für nachhaltigere Mobilfunknetze zu ermöglichen.
Die vorgestellte Arbeit schlägt eine KI-gestützte Mesh-Architektur vor, die durch den Einsatz von nahen Low-Power-Knoten, räumlicher Frequenzwiederverwendung und prädiktiver Verkehrsprognose die Energieeffizienz drastisch steigert, die Abhängigkeit von Dieselgeneratoren eliminiert und eine nachhaltige, skalierbare drahtlose Konnektivität für dicht besiedelte Gebiete wie die Hadsch ermöglicht.
Das Paper stellt den vLLM Semantic Router vor, ein signalgetriebenes Routing-Framework für Mixture-of-Modality-Modelle, das durch kompositionale Signal-Orchestrierung und konfigurierbare Entscheidungsregeln intelligent die passende KI für jede Anfrage auswählt und dabei diverse Bereitstellungsanforderungen wie Kosten, Datenschutz und Sicherheit erfüllt.
Diese Arbeit bietet eine systematische Analyse und ein konzeptionelles Rahmenwerk für dynamische Routing- und Kaskadierungssysteme, die durch die adaptive Auswahl verschiedener unabhängiger Large Language Models je nach Anfragekomplexität die Inferenzeffizienz optimieren und dabei die Leistungsfähigkeit einzelner Modelle übertreffen können.