跳到正文
热点事件持续更新

OMNIS+框架:语义RAN切片与量化优化

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

arXiv发布OMNIS+框架报道,该框架结合动态神经压缩与自适应量化技术,旨在实现面向动态分割神经网络的语义RAN切片,并支持多蜂窝边缘计算场景。 为增强抗传输比特错误能力,框架采用了新型“box”量化方案。同时,通过多智能体分布式优化算法,解决了在QoS与队列稳定性约束下的推理精度最大化难题。 性能评估显示,与基线方法相比,OMNIS+框架将QoS违规概率降低了最多1.75倍,实现了更优的精度与违规率之间的权衡。

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 · ML
    OMNIS+:面向动态分割神经网络的语义 RAN 切片与量化框架

    提出 OMNIS+ 框架,结合动态神经压缩与自适应量化实现语义 RAN 切片,支持多蜂窝边缘计算。 采用新型“box”量化方案增强抗传输比特错误能力,通过多智能体分布式优化解决 QoS 与队列稳定性约束下的推理精度最大化问题。 相比基线,OMNIS+ 将 QoS 违规概率降低最多 1.75 倍,实现更优的精度-违规权衡。

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。