Key points are not available for this paper at this time.
تتناول هذه الدراسة تحديات تخصيص الموارد في الأنظمة اللاسلكية متعددة الخلايا التي تلبي احتياجات مستخدمي النطاق العريض المحمول المحسن (eMBB) والاتصالات الفائقة الموثوقية ذات الكمون المنخفض (URLLC). نقدم إطار تعلم موزع مصمم لهيكليات شبكة O-RAN. بالاستفادة من خوارزمية التعلم العميق المدعومة بالتعزيز المعتمدة على عينات طومسون (DRL)، تقدم طريقتنا قرارات تخصيص موارد في الوقت الفعلي، تتماشى مع الهياكل الشبكية المتطورة. تسهل الطريقة المقترحة اتخاذ القرارات عبر الإنترنت لتخصيص الموارد من خلال نشر وكلاء تنفيذ مدربين عند وحدات تحكم الوصول الراديوي الذكي القريبة من الوقت الحقيقي (Near-RT RICs) الموجودة عند حواف الشبكة. تظهر نتائج المحاكاة فعالية الخوارزمية في تلبية متطلبات جودة الخدمة (QoS) لمستخدمي كل من eMBB و URLCC، مقدمة رؤى حول تحسين استخدام الموارد في البيئات اللاسلكية الديناميكية.
درس سهيب وآخرون (Sun) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: