研究者提出MM-RIS可动单元RIS架构与CRAFTS混合强化学习方法
热点事件持续更新
研究者提出MM-RIS可动单元RIS架构与CRAFTS混合强化学习方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Li-Hsiang Shen 等研究者在论文(arXiv:2610.34701)中提出可动单元多功能可重构智能表面架构 MM-RIS,将单元可移动与自适应反射、透射、放大及能量收集结合,并配套混合 RSMA-NOMA 传输方案,以系统能效最大化为目标联合优化波束成形、功率与速率分配、RIS 配置、面板部署和单元位置。 该优化方法采用约束式混合强化学习 CRAFTS 求解。论文已被 IEEE TCOM 录用。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
可动单元多功能 RIS 辅助混合 RSMA-NOMA:一种约束式混合强化学习方法 CRAFTS报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv cs.AI可动单元多功能 RIS 辅助混合 RSMA-NOMA:一种约束式混合强化学习方法 CRAFTS
研究提出可动单元多功能可重构智能表面架构 MM-RIS,结合自适应反射、透射、放大与能量收集,并设计混合 RSMA-NOMA 传输方案以提升频谱效率,以系统能效最大化为目标联合优化波束成形、功率与速率分配、RIS 配置、面板部署及单元位置。
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。