本研究探讨了在移动性、快速衰落和不完美信道质量信息下的链路适应算法，提出了一种离线强化学习方法，通过实时网络数据学习链路适应策略，显著降低网络干扰。结果表明，该方法在适当策略下的性能可与先进的在线强化学习方法相媲美。

研究提出了一种层次化算法，通过高层次运动规划和短期相对运动策略，解决未知动态环境下的大物体移动问题。实验显示，该方法在复杂任务中提高了成功率和适应能力。

本文介绍了多种基于Transformer和大型语言模型的移动预测方法，如MobTCast、CSLSL和LLM-Mob。这些模型通过考虑时间、社交和地理等上下文因素，提高了兴趣点预测的准确性和效率，并在真实数据集上表现良好。研究强调理解人类行为意图的重要性，并提出了新的框架以改善移动意图推断。

移动设备上的用户体验受到有限的电池容量和处理能力的限制，但 6G 技术的进步正在迅速促使移动技术的演进。移动边缘计算（MEC）提供了一种解决方案，将计算密集型任务卸载到边缘云服务器，与本地处理相比减少了电池消耗。即将到来的移动通信的集成感知与通信可能改善轨迹预测和处理延迟。本研究提出了一种贪婪资源分配优化策略，用于多用户网络以最小化聚合能量使用。数值结果显示，每 1000...

互联需求增加导致物联网传感器过量。数字孪生是关键驱动因素，提出数字孪生本地AI驱动的服务架构，支持物联网网络概念。应用于车联网，通过TCP数据流水线节约了30%处理时间。测试多种学习速率组合，强调最成功的模型。

介绍了HybridFL多层联邦学习协议，结合边缘节点和云端模型聚合策略，提高FL训练效率，缩短联邦轮次长度，加速全局模型收敛速度，降低末端设备能耗。

本文介绍了一种名为MPE的新型移动模式嵌入模型，能够揭示流量轨迹数据中人们的移动模式，并考虑了道路网络引起的“幻影转换”效应。实验结果表明，MPE在下一个位置预测和可视化等应用中具有显著的有效性和优越性。

研究者介绍了国际功能、残疾和健康分类中“移动性”领域的第一个公开注释的数据集，旨在促进从临床记录中自动提取和分析功能信息。研究者使用关键词扩展和主动学习方法构建数据集，并训练了BERT和CRF模型来提取实体。实证结果显示NER模型在提取临床文本中的移动功能信息方面具有潜力。这个公开的注释数据集将有助于进一步研究电子健康记录中的功能信息。

IIFL Finance选择了安卓联想平板电脑和Zoho Manage Engine Mobile Device Manager Plus，为员工提供解决移动性和数据安全问题的设备。这些平板电脑重量轻、易于管理，有助于公司遵守数据安全要求。设备可以集中管理和配置给分散的员工，公司可以控制应用程序的分发位置和方式。安卓工作配置允许员工在一个受管理的设备上同时使用个人和工作目的，保护商业数据同时保护员工隐私。通过安卓企业，公司可以对大量设备设置策略、权限和设置。这些安卓设备用户友好，帮助公司节省时间为客户服务。

本研究使用匿名移动电话用户的公共场所访问数据，分析了数百万人的人口流向，并推断出不同地理尺度上的人口流动情况。结果显示该数据集可监测疫情传播动态，支持公共卫生政策和其他应用。