102 articles
Cet article présente une analyse approfondie de la découpe de réseau (network slicing) dans l'architecture 5G, en mettant l'accent sur ses modèles de profit (implémentation propre et location de ressources) ainsi que sur les défis et perspectives de recherche associés.
Ce papier présente ZeroSiam, une architecture asymétrique Siamese efficace qui prévient l'effondrement des modèles lors de l'optimisation de l'entropie au moment du test tout en régularisant les signaux d'apprentissage et en améliorant les performances sur diverses tâches de vision et de raisonnement.
Ce papier présente CovertComBench, le premier banc d'essai spécifique pour évaluer les capacités des grands modèles de langage dans le domaine de la communication discrète sans fil, révélant que bien qu'ils excellent dans la compréhension conceptuelle et la génération de code, ils peinent encore à effectuer les déductions mathématiques complexes nécessaires pour garantir la sécurité.
Cet article propose une approche algorithmique basée sur la génération de colonnes pour résoudre le problème de flot multi-commodités à objectif convexe, applicable aux variantes fractionnaires et non fractionnaires, afin d'optimiser la distribution du trafic dans les réseaux de télécommunications en tenant compte de coûts de liaison croissants de manière convexe.
Ce papier présente le cadre OWO-FMTL, une méthode d'apprentissage multi-tâches en ligne qui garantit une équité à long terme pour les utilisateurs hétérogènes des réseaux d'accès radio intelligents (AI-RAN) en ajustant dynamiquement les priorités via une mise à jour primal-duale légère, tout en maintenant un faible coût de calcul adapté au déploiement en périphérie.
Cet article propose une modélisation du problème de tour optimal pour une station de base mobile (MOT) dans les réseaux IoT étendus, démontrant sa complexité NP-complète et présentant un algorithme heuristique glouton polynomial qui surpasse les approches existantes en optimisant conjointement le coût du trajet, la couverture des capteurs et le temps d'exécution.
Cette étude démontre que les modèles centrés sur le canal, y compris les simulateurs de ray-tracing, échouent à prédire avec précision le débit de bout en bout dans les réseaux 5G privés en raison d'une surestimation des couches spatiales MIMO, et recommande l'adoption d'approches pilotées par les données pour garantir une planification robotique fiable.
Cet article propose un cadre d'apprentissage par renforcement hiérarchique intégrant une perte adversariale robuste et l'optimisation de politique proximale (PPO) pour entraîner un modèle sur un réseau numérique jumeau multi-fidélité, afin d'optimiser conjointement l'ajustement des angles d'inclinaison des antennes et la stratégie de collecte de données, réduisant ainsi la latence de collecte jusqu'à 28,01 % tout en maximisant les débits des utilisateurs.
Cet article propose un cadre d'informatique en bordure de véhicules sémantique assisté par des surfaces intelligentes reconfigurables, utilisant une optimisation hybride basée sur PPO et la programmation linéaire pour réduire la latence de 40 à 50 % par rapport aux méthodes existantes dans des environnements dynamiques.
Cette étude présente PixelConfig, un cadre d'analyse rétro-ingénierie révélant que les configurations par défaut du Meta Pixel entraînent une adoption massive de fonctionnalités de suivi d'activité et d'identité sur les sites web, y compris ceux liés à la santé, où le suivi d'informations sensibles persiste malgré la mise en place limitée et souvent inefficace de mécanismes de restriction.
Ce papier présente HR-GAT, un modèle de réseau d'attention graphique hiérarchique qui améliore la prédiction de la demande en spectre radioélectrique de 21 % par rapport aux modèles existants en exploitant des données géospatiales pour gérer efficacement les motifs spatiaux complexes.
Cette étude démontre, à l'aide d'une modélisation théorique des jeux et de simulations, que le protocole MAC 802.11 actuel conduit des nœuds non coopératifs à des équilibres de Nash inefficaces, et propose qu'un protocole idéal dissociant l'allocation des ressources des stratégies de transmission permettrait d'atteindre des équilibres offrant un débit supérieur à tous les nœuds.
Cet article présente deux algorithmes pratiques qui classent les hôtes des réseaux d'entreprise en rôles distincts basés sur leurs modèles de connexion, permettant ainsi de réduire considérablement la complexité de la gestion réseau et d'améliorer la précision des analyses de sécurité.
Cet article propose une méthodologie axée sur les données et l'apprentissage automatique pour estimer les variations de la demande spectrale dans les régions urbaines canadiennes, permettant ainsi aux régulateurs de mieux concevoir des politiques d'accès flexible au spectre pour les réseaux 6G.
Cet article propose un modèle analytique de la probabilité de réception de paquets pour le mode 2 NR en mode Sidelink, qui intègre explicitement les collisions MAC spécifiques au Scheduling Persistant Semi-Statique (SPS) et est validé par des simulations ns-3 afin d'optimiser la fiabilité des communications 6G.
Cet article propose un algorithme efficace pour l'association des utilisateurs et l'allocation des ressources dans les réseaux 5G et au-delà, en exploitant la communication sémantique adaptative pour optimiser l'utilité globale du système tout en respectant les contraintes d'énergie et de latence.
Cet article propose une amélioration de l'acheminement par graphe de contacts (CGR) pour les réseaux tolérants aux délais, en introduisant des opérations de fractionnement de contacts et d'élagage d'arêtes pour intégrer proactivement les contraintes de capacité et de mémoire tampon lors de la recherche de route, garantissant ainsi un temps de livraison optimal.
Cet article présente DEBT control, un protocole conjoint de routage et de contrôle de flux pour les réseaux de canaux de paiement qui utilise des mécanismes de tarification et une optimisation duale par descente de gradient pour guider le réseau vers un état opérationnel optimal tout en garantissant la convergence.
Cet article propose le système NMoE, une approche d'apprentissage fédéré intégrant des apprentissages supervisé et auto-supervisé, permettant aux dispositifs mobiles de collaborer efficacement pour l'inférence et l'entraînement de modèles d'intelligence artificielle de grande taille tout en préservant la confidentialité des données et l'efficacité des communications.
Cette étude propose une méthode d'extraction de processus appliquée au trafic réseau du jeu vidéo pour caractériser sans supervision les états du réseau via des réseaux de Petri interprétables et classifier avec précision les jeux, comme démontré par l'analyse des données du cas UPSIDE pour Clash Royale et Rocket League.