BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Federated Learning-Based Spectrum Sensing for UAVs: Enhancing Accuracy Through SNR-Weighted Model Aggregation

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究探讨了无人机网络中的频谱感知问题，提出了一种基于联邦学习的FedSNR聚合方法，以提高信噪比下的模型准确性。实验结果表明，该方法在频谱共享和干扰管理方面优于传统方案，具有实际应用潜力。

🏷️

标签

model 信噪比 干扰管理 无人机网络 联邦学习 频谱感知
➡️

继续阅读

  1. Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
    Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
  2. Claude Fable 5.1 对比 Fable 5：在实际工作中，我无法区分它们。
    Anthropic发布Claude Fable 5.1，宣称在编码和知识工作上有重大进步，基准测试得分翻倍。但作者用四个真实任务测试新旧模型，发现两者准确...
  3. 在代理式RAG中建立信任始于证据
    Agentic RAG通过代理重写查询、选择数据源和搜索方式，提升检索覆盖率，但需记录决策链以建立信任。系统应保留查询、来源、拒绝原因等痕迹，验证引用支持...
  4. Kimi K3 模型结构（3）：序列维度，Gated MLA 与 3:1 混合
    本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至5...
  5. 内容创作者失误
    美网公开赛上，网红在包厢内喧哗、用闪光灯拍照干扰比赛，引发争议。品牌邀请网红推广活动，但缺乏行为规范，导致负面效果。类似地，Callaway高尔夫因与网红...
  6. Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
    本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
👤 个人中心
在公众号发送验证码完成验证