Buchumschlag

Cells on Autopilot: Adaptive Cell (Re)Selection via Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Illian, Marvin, Khalili, Ramin, Rocha, Antonio A. de A., Wang, Lin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Networking and Internet Architecture Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conflict-Aware Client Selection for Multi-Server Federated Learning
von: Hong, Mingwei, et al.
Veröffentlicht: (2026)

Securing SIM-Assisted Wireless Networks via Quantum Reinforcement Learning
von: Hoang, Le-Hung, et al.
Veröffentlicht: (2026)

Multi-AUV Cooperative Target Tracking Based on Supervised Diffusion-Aided Multi-Agent Reinforcement Learning
von: Ma, Jiaao, et al.
Veröffentlicht: (2026)

Drone-Enabled Load Management for Solar Small Cell Networks in Next-Gen Communications Optimization for Solar Small Cells
von: Dave, Daksh, et al.
Veröffentlicht: (2023)

Reinforcement-Learning based routing for packet-optical networks with hybrid telemetry
von: Navarro, A. L. García, et al.
Veröffentlicht: (2024)

Adaptive Quantization Resolution and Power Control for Federated Learning over Cell-free Networks
von: Mahmoudi, Afsaneh, et al.
Veröffentlicht: (2024)

Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning
von: Kalntis, Michail, et al.
Veröffentlicht: (2023)

Network Topology Optimization via Deep Reinforcement Learning
von: Li, Zhuoran, et al.
Veröffentlicht: (2022)

Fair Dynamic Spectrum Access via Fully Decentralized Multi-Agent Reinforcement Learning
von: Zhang, Yubo, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning in Heterogeneous Wireless Networks with Independent Sampling
von: Geng, Jiaxiang, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning for Power Control in Wireless Networks via Adaptive Graphs
von: Amorosa, Lorenzo Mario, et al.
Veröffentlicht: (2023)

Intelligent Routing Algorithm over SDN: Reusable Reinforcement Learning Approach
von: Wumian, Wang, et al.
Veröffentlicht: (2024)

GreenFLag: A Green Agentic Approach for Energy-Efficient Federated Learning
von: Panagea, Theodora, et al.
Veröffentlicht: (2026)

CHOMET: Conditional Handovers via Meta-Learning
von: Kalntis, Michail, et al.
Veröffentlicht: (2025)

Enhancing Spectrum Efficiency in 6G Satellite Networks: A GAIL-Powered Policy Learning via Asynchronous Federated Inverse Reinforcement Learning
von: Hassan, Sheikh Salman, et al.
Veröffentlicht: (2024)

Distributed Deep Reinforcement Learning Based Gradient Quantization for Federated Learning Enabled Vehicle Edge Computing
von: Zhang, Cui, et al.
Veröffentlicht: (2024)

Robust Deep Reinforcement Learning in Robotics via Adaptive Gradient-Masked Adversarial Attacks
von: Zhang, Zongyuan, et al.
Veröffentlicht: (2025)

FedABC: Attention-Based Client Selection for Federated Learning with Long-Term View
von: Ye, Wenxuan, et al.
Veröffentlicht: (2025)

ReinWiFi: Application-Layer QoS Optimization of WiFi Networks with Reinforcement Learning
von: Li, Qianren, et al.
Veröffentlicht: (2024)

LLM-Driven Stationarity-Aware Expert Demonstrations for Multi-Agent Reinforcement Learning in Mobile Systems
von: Duan, Tianyang, et al.
Veröffentlicht: (2025)

Smooth Handovers via Smoothed Online Learning
von: Kalntis, Michail, et al.
Veröffentlicht: (2025)

Asynchronous Fractional Multi-Agent Deep Reinforcement Learning for Age-Minimal Mobile Edge Computing
von: Jin, Lyudong, et al.
Veröffentlicht: (2024)

Self-Explaining Reinforcement Learning for Mobile Network Resource Allocation
von: Nowosadko, Konrad, et al.
Veröffentlicht: (2025)

Denoising and Adaptive Online Vertical Federated Learning for Sequential Multi-Sensor Data in Industrial Internet of Things
von: Wang, Heqiang, et al.
Veröffentlicht: (2025)

Graph Neural Networks and Deep Reinforcement Learning Based Resource Allocation for V2X Communications
von: Ji, Maoxin, et al.
Veröffentlicht: (2024)

Federated Reinforcement Learning for Efficient Mobile Crowdsensing under Incomplete Information
von: Dongare, Sumedh J., et al.
Veröffentlicht: (2026)

Reinforcement Learning for Opportunistic Routing in Software-Defined LEO-Terrestrial Systems
von: Krishnan, Sivaram, et al.
Veröffentlicht: (2026)

Generative AI for Deep Reinforcement Learning: Framework, Analysis, and Use Cases
von: Sun, Geng, et al.
Veröffentlicht: (2024)

Dynamic Preference Multi-Objective Reinforcement Learning for Internet Network Management
von: Heo, DongNyeong, et al.
Veröffentlicht: (2025)

Interpretable Reinforcement Learning for Load Balancing using Kolmogorov-Arnold Networks
von: Singh, Kamal, et al.
Veröffentlicht: (2025)

Adaptive Model Pruning and Personalization for Federated Learning over Wireless Networks
von: Liu, Xiaonan, et al.
Veröffentlicht: (2023)

Adaptive Compression-Aware Split Learning and Inference for Enhanced Network Efficiency
von: Mudvari, Akrit, et al.
Veröffentlicht: (2023)

A Deep Reinforcement Learning Framework for Optimizing Congestion Control in Data Centers
von: Ketabi, Shiva, et al.
Veröffentlicht: (2023)

GCN-Driven Reinforcement Learning for Probabilistic Real-Time Guarantees in Industrial URLLC
von: Alqudah, Eman, et al.
Veröffentlicht: (2025)

A Novel Reinforcement Learning Routing Algorithm for Congestion Control in Complex Networks
von: Yajadda, Seyed Hassan, et al.
Veröffentlicht: (2023)

LEACH-RLC: Enhancing IoT Data Transmission with Optimized Clustering and Reinforcement Learning
von: Jurado-Lasso, F. Fernando, et al.
Veröffentlicht: (2024)

Secure Deep Reinforcement Learning for Dynamic Resource Allocation in Wireless MEC Networks
von: Hao, Xin, et al.
Veröffentlicht: (2023)

Multi-Agent Deep Reinforcement Learning for Resilience Optimization in 5G RAN
von: Kaada, Soumeya, et al.
Veröffentlicht: (2024)

Age-Based Scheduling for Mobile Edge Computing: A Deep Reinforcement Learning Approach
von: He, Xingqiu, et al.
Veröffentlicht: (2023)

Digital Twin-assisted Reinforcement Learning for Resource-aware Microservice Offloading in Edge Computing
von: Chen, Xiangchun, et al.
Veröffentlicht: (2024)