102 artículos
Este artículo presenta una discusión exhaustiva sobre el concepto, la arquitectura y el modelado de beneficios del *network slicing* en la red 5G, analizando sus dimensiones de implementación propia y arrendamiento de recursos, además de abordar los desafíos y direcciones de investigación futuros.
El artículo presenta ZeroSiam, una arquitectura asimétrica eficiente que previene el colapso en la minimización de entropía durante la prueba mediante alineación de divergencia asimétrica, mejorando la adaptación y el razonamiento en diversos modelos sin sobrecarga computacional.
El artículo presenta CovertComBench, un nuevo banco de pruebas especializado para evaluar las capacidades de los Grandes Modelos de Lenguaje (LLM) en comunicaciones encubiertas inalámbricas, revelando que, aunque son eficaces en tareas conceptuales y de generación de código, carecen de la fiabilidad necesaria para realizar las derivaciones matemáticas complejas exigidas por las garantías de seguridad.
Este trabajo presenta un enfoque de generación de columnas para resolver el problema de flujo multi-commodity con función objetivo convexa, ofreciendo métodos eficientes para sus variantes dividibles e indivisibles en redes de telecomunicaciones.
Este artículo presenta el marco OWO-FMTL, un enfoque de aprendizaje multitarea en línea que garantiza equidad a largo plazo en las redes de acceso por radio habilitadas para IA mediante un mecanismo de actualización primal-dual ligero que equilibra la eficiencia y la justicia en entornos de recursos compartidos dinámicos.
Este artículo presenta el problema de la Ruta Óptima de la Estación Base Móvil (MOT) para la recolección de datos en redes IoT de gran escala, demostrando su complejidad NP-completa y proponiendo una heurística voraz polinómica que supera a los enfoques existentes al optimizar simultáneamente el costo del trayecto, la cobertura completa de sensores y el tiempo de ejecución.
Este estudio demuestra que los modelos centrados en el canal, como los simuladores de trazado de rayos, sobreestiman sistemáticamente el rendimiento de extremo a extremo en redes 5G privadas al ignorar la adaptación dinámica de las capas espaciales MIMO, mientras que un enfoque basado en datos mediante regresión de procesos gaussianos logra una predicción mucho más precisa al aprender directamente del rendimiento real del sistema.
Este artículo propone un marco de aprendizaje por refuerzo jerárquico asistido por gemelo digital que optimiza conjuntamente la política de ajuste de inclinación de antenas y la estrategia de recolección de datos en redes móviles, logrando reducir la latencia de recopilación de datos físicos hasta un 28,01% en comparación con métodos existentes.
Este artículo propone un marco de computación en el borde vehicular semántico asistido por superficies inteligentes reconfigurables (RIS) que utiliza un esquema híbrido de optimización basado en PPO y programación lineal para reducir significativamente la latencia en entornos dinámicos, superando a métodos existentes como los algoritmos genéticos y QPSO.
Este estudio presenta PixelConfig, un marco de análisis diferencial que revela que la configuración predeterminada del Meta Pixel en miles de sitios web, especialmente en el sector salud, facilita la recolección masiva de datos sensibles y de actividad de los usuarios, mientras que las medidas de restricción implementadas ofrecen una protección limitada y son fácilmente eludibles.
Este artículo presenta HR-GAT, un modelo de red de atención gráfica jerárquica que utiliza datos geoespaciales para predecir la demanda de espectro con una precisión un 21% superior a la de modelos convencionales, abordando eficazmente los patrones espaciales complejos y la autocorrelación en cinco ciudades canadienses.
Este artículo demuestra mediante un modelo teórico de juegos y simulaciones que el protocolo MAC 802.11 actual puede conducir a equilibrios de Nash ineficientes en entornos no cooperativos, y propone que un protocolo ideal que desacople la asignación de recursos de las estrategias de transmisión permitiría a los nodos alcanzar un mayor rendimiento global.
Este artículo presenta dos algoritmos prácticos que clasifican los hosts de redes empresariales en grupos basados en sus patrones de conexión, logrando una reducción significativa en la cantidad de grupos y reflejando eficazmente la estructura lógica de la red para facilitar la gestión y el análisis de seguridad.
Este artículo presenta una metodología basada en datos que utiliza análisis geoespacial y aprendizaje automático para estimar las variaciones de la demanda de espectro en entornos urbanos, logrando capturar el 70% de su variabilidad y ofreciendo información clave para la formulación de políticas de acceso flexible al espectro en las redes 6G.
Este artículo presenta un modelo analítico de la relación de recepción de paquetes (PRR) en la capa MAC para el modo 2 de enlace lateral de NR, que incorpora características específicas de la programación semipersistente (SPS) para cuantificar su impacto en las colisiones y la fiabilidad, validando sus resultados mediante simulaciones en ns-3 para guiar el diseño de comunicaciones 6G.
Este artículo propone un enfoque de comunicación semántica adaptativa que ajusta dinámicamente los transceptores basados en redes neuronales a las capacidades heterogéneas de los usuarios, formulando y resolviendo mediante un algoritmo de descomposición un problema conjunto de asociación de usuarios y asignación de recursos para maximizar la utilidad del sistema en redes 5G y futuras bajo restricciones de energía y latencia.
Este artículo propone una mejora para el Enrutamiento por Gráfico de Contactos (CGR) en redes tolerantes a retardos, introduciendo operaciones de división de contactos y poda de aristas para prever restricciones de capacidad y búfer durante la búsqueda de rutas, garantizando así soluciones óptimas en tiempo de entrega y evitando colisiones.
Este artículo presenta DEBT control, un protocolo que combina enrutamiento y control de flujo mediante precios dinámicos en redes de canales de pago para optimizar su operación a largo plazo, garantizando la convergencia hacia un estado estable mediante la maximización de la utilidad de la red.
Este trabajo propone el sistema de Mezcla de Expertos en Red (NMoE) y un marco de aprendizaje federado que combina aprendizaje supervisado y auto-supervisado para permitir la inferencia colaborativa y el entrenamiento eficiente de modelos de inteligencia artificial en dispositivos de borde con recursos limitados, preservando la privacidad y optimizando las comunicaciones.
Este artículo presenta un método basado en minería de procesos que analiza el tráfico de redes de videojuegos para caracterizar estados, modelarlos mediante redes de Petri e identificar el juego específico, demostrando su eficacia en el estudio de caso UPSIDE con *Clash Royale* y *Rocket League*.