基于超维计算的无线网络联合基础模型应用于元宇宙
原文中文，约2100字，阅读约需5分钟。发表于：。本研究针对元宇宙中联合学习面临的高通信开销和计算需求等问题，提出了一种集成的联合分割学习和超维计算框架（FSL-HDC）。该方法显著降低了通信成本和计算负担，适用于资源受限的边缘设备，并在保证隐私的同时，提高了交互的实时响应能力。研究结果表明，FSL-HDC在准确率和收敛速度上均优于传统方法，最大传输时间降低了64%。
本研究提出了一种集成的联合分割学习和超维计算框架（FSL-HDC），用于解决元宇宙中联合学习的通信开销和计算需求问题。该方法降低了通信成本和计算负担，适用于资源受限的边缘设备，并提高了交互的实时响应能力。研究结果表明，FSL-HDC在准确率和收敛速度上优于传统方法。
