跳到正文
热点事件持续更新

提出基于预测的RAN能耗条件生成框架

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

针对移动网络节能策略评估中缺乏合适功耗数据生成的难题,Kevin Wardakhan等人在arXiv cs.AI板块提出基于预测的生成新框架,旨在生成无线接入网功耗轨迹。该框架将RAN能耗分解为全局预测、残差水平与尺度修正及时间残差生成三部分,在商用5G RAN实验中验证,仅用单点目标观测即可将中位MAE降低约50%。相比TimeWeaver,该方法能有效泛化至罕见及未见配置场景,提升了模型在缺乏历史数据的上下文中的适应性。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    RAN 能量条件下罕见与未见上下文的条件假设生成

    针对移动网络节能策略评估难题,论文提出基于预测的生成框架以生成无线接入网功耗轨迹。 该框架将功耗分解为全局预测与残差修正,在商用 5G RAN 实验中,仅用单点目标观测即可将中位 MAE 降低约 50%。 相比 TimeWeaver,该方法能有效泛化至罕见及未见配置场景。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。