您当前的位置:
首页 >
文章列表页 >
空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略
学术论文 | 更新时间:2025-02-13
    • 空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略

    • Federated deep reinforcement learning-based edge collaborative caching strategy in space-air-ground integrated network

    • 通信学报   2025年46卷第1期 页码:93-107
    • DOI:10.11959/j.issn.1000-436x.2025014    

      中图分类号: TN927
    • 收稿日期:2024-11-06

      修回日期:2025-01-08

      纸质出版日期:2025-01-25

    移动端阅览

  • 刘亮,荆腾祥,段洁等.空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略[J].通信学报,2025,46(01):93-107. DOI: 10.11959/j.issn.1000-436x.2025014.

    LIU Liang,JING Tengxiang,DUAN Jie,et al.Federated deep reinforcement learning-based edge collaborative caching strategy in space-air-ground integrated network[J].Journal on Communications,2025,46(01):93-107. DOI: 10.11959/j.issn.1000-436x.2025014.

  •  
  •  

0

浏览量

13

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于零集中差分隐私的联邦学习激励方案
联邦学习中的拜占庭攻防研究综述
基于位置预测模型的空天地一体化网络切换算法
抗拜占庭攻击的梯度净化联邦自适应学习算法
车联网联邦学习的数据异质性问题及基于个性化的解决方法综述

相关作者

李梦倩
田有亮
张军鹏
赵冬梅
赵晓洁
时金桥
黄梅
柯镇涵

相关机构

贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
贵州大学大数据与信息工程学院
河北师范大学河北省网络与信息安全重点实验室
北京邮电大学网络空间安全学院
0