元鉴
返回中文阅读流

arXiv

用于 AI-RAN 参数到 KPI 依赖学习的事件检测

下一代无线网络将依赖多个并发 AI 控制功能。本文关注将噪声遥测转为参数活动与 KPI 响应二元指标的事件检测。

中文内容

已翻译professional source英文原文2026-06-06

计算机科学 > 机器学习

[提交于 2026 年 6 月 4 日]

标题:用于 AI-RAN 参数到 KPI 依赖学习的事件检测

View PDF HTML (experimental)
摘要:下一代无线网络预计将依赖多个并发的 AI 驱动控制功能,以同时优化不同的网络目标,尤其是在 AI 集成和开放式无线接入网架构中,例如 AI Radio Access Network(AI-RAN)和 Open Radio Access Network(O-RAN)。当这些功能发生交互时,它们可能以仅凭原始网络数据难以检测的方式相互干扰。管理此类交互的一个关键缺失环节,是一种可靠且可解释的依赖结构,用于刻画在任意给定时间哪些控制参数正在主动影响哪些网络性能结果。本文聚焦于支持此类依赖学习所需的事件检测步骤,即将有噪声的连续遥测数据转换为参数活动和 KPI 响应的二元指标。核心难点是
Subjects: 机器学习(cs.LG) Cite as: arXiv:2606.06459 [cs.LG]   (or arXiv:2606.06459v1 [cs.LG] for this version)   https://doi.org/10.48550/arXiv.2606.06459
聚焦以了解更多
arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Christie Djidjev [view email]
[v1] Thu, 4 Jun 2026 17:50:39 UTC (271 KB)
全文链接:

访问论文:

当前浏览上下文:

正文:cs.LG
< prev   |   next >
Change to browse by:
cs

参考文献与引用

  • 正文:NASA ADS
  • 正文:Google Scholar
  • 正文:Semantic Scholar
export BibTeX citation 正在加载...

BibTeX 格式引用

×
正在加载...
数据提供方:

书签

BibSonomy Reddit
Bibliographic Tools

书目与引用工具

书目浏览器切换
书目浏览器 (What is the Explorer?)
Connected Papers 切换
正文:Connected Papers (What is Connected Papers?)
Litmaps 切换
正文:Litmaps (What is Litmaps?)
scite.ai 切换
正文:scite Smart Citations (What are Smart Citations?)
Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 切换
正文:alphaXiv (What is alphaXiv?)
代码链接切换
CatalyzeX 论文代码查找器 (What is CatalyzeX?)
DagsHub 切换
正文:DagsHub (What is DagsHub?)
GotitPub 切换
正文:Gotit.pub (What is GotitPub?)
Huggingface 切换
正文:Hugging Face (What is Huggingface?)
ScienceCast 切换
正文:ScienceCast (What is ScienceCast?)
Demos

演示

Replicate 切换
正文:Replicate (What is Replicate?)
Spaces 切换
正文:Hugging Face Spaces (What is Spaces?)
Spaces 切换
正文:TXYZ.AI (What is TXYZ.AI?)
Related Papers

推荐与搜索工具

链接到 Influence Flower
正文:Influence Flower (What are Influence Flowers?)
CORE 推荐器 (What is CORE?)
IArxiv 推荐器切换
IArxiv 推荐器 (What is IArxiv?)
  • 作者
  • 发表场所
  • 机构
  • 主题
About arXivLabs

arXivLabs:与社区合作者开展的实验性项目

arXivLabs 是一个框架,允许合作者直接在我们的网站上开发并分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织均已接受并认同我们关于开放性、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观,并且只与遵循这些价值观的合作伙伴合作。

有想法为 arXiv 社区增加价值的项目吗?了解更多关于 arXivLabs 的信息。

原文标题

Event Detection for Parameter-to-KPI Dependency Learning for AI-RAN