机译:能源有效的D2D异构网络选择和资源分配:深度加强学习方法
Nanjing Univ Aeronaut & Astronaut Coll Comp Sci & Technol Nanjing 210016 Peoples R China|Collaborat Innovat Ctr Novel Software Technol & I Nanjing 211106 Peoples R China;
Nanjing Univ Aeronaut & Astronaut Coll Comp Sci & Technol Nanjing 210016 Peoples R China|Collaborat Innovat Ctr Novel Software Technol & I Nanjing 211106 Peoples R China;
Nanjing Univ Aeronaut & Astronaut Coll Comp Sci & Technol Nanjing 210016 Peoples R China|Collaborat Innovat Ctr Novel Software Technol & I Nanjing 211106 Peoples R China;
Device-to-device communication; Resource management; Heterogeneous networks; Optimization; Base stations; Power control; Wireless communication; Energy efficiency; heterogeneous networks; device-to-device (D2D) communication; mode selection; resource allocation; deep deterministic policy gradient;
机译:切片雾无线电接入网络中的模式选择和资源分配:强化学习方法
机译:基于深度加强学习的流动性,意识到异构网络中的强大主动资源分配
机译:深度强化学习,用于异构蜂窝网络中的用户关联和资源分配
机译:基于节能网络选择的异构健康系统的深增强学习
机译:基于加强学习的移动边缘计算网络中的资源分配和任务分配框架
机译:一种图形卷积网络的资源分配在认知无线电网络中的基于卷积网络的深度加强学习方法
机译:异构车辆网络中的计算迁移与资源分配:深增强学习方法