论文提出面向XR系统的鲁棒联邦学习方法

arXiv 上一篇隐私论文提出一种面向 XR 系统的鲁棒联邦学习方法，针对多基站同时服务多个 XR 设备的干扰网络场景，在信道与计算状态信息均存在不确定性时，联合管理发射功率、计算功率与计算分配，以最小化 XR 设备的最坏情况时延。 论文称该方法基于深度神经网络，可集中式训练，也可联邦式训练，将估计信道与计算需求映射为每个基站的优化资源分配。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。