Buchumschlag

Beam-aware Kernelized Contextual Bandits for User Association and Beamforming in mmWave Vehicular Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Xiaoyang, Tsukada, Manabu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning-Based User Association for MmWave Vehicular Networks With Kernelized Contextual Bandits
von: He, Xiaoyang, et al.
Veröffentlicht: (2025)

Contextual Bandits with Non-Stationary Correlated Rewards for User Association in MmWave Vehicular Networks
von: He, Xiaoyang, et al.
Veröffentlicht: (2024)

Enhancing User Throughput in Multi-panel mmWave Radio Access Networks for Beam-based MU-MIMO Using a DRL Method
von: Hashemi, Ramin, et al.
Veröffentlicht: (2026)

GPS-Aided Deep Learning for Beam Prediction and Tracking in UAV mmWave Communication
von: Nugroho, Vendi Ardianto, et al.
Veröffentlicht: (2025)

CRB-Guided Framework Design and Resource Allocation for Indoor mmWave ISCC Systems
von: Liu, Zhonghao, et al.
Veröffentlicht: (2026)

Deep Learning-based Compressive Beam Alignment in mmWave Vehicular Systems
von: Wang, Yuyang, et al.
Veröffentlicht: (2021)

Multi-Modal Sensing Aided mmWave Beamforming for V2V Communications with Transformers
von: Mollah, Muhammad Baqer, et al.
Veröffentlicht: (2025)

Batched Kernelized Bandits: Refinements and Extensions
von: Ma, Chenkai, et al.
Veröffentlicht: (2026)

Spatially-aware Secondary License Sharing in mmWave Networks
von: Tripathi, Shuchi, et al.
Veröffentlicht: (2026)

Structured Reinforcement Learning for Delay-Optimal Data Transmission in Dense mmWave Networks
von: Wang, Shufan, et al.
Veröffentlicht: (2024)

Multi-User mmWave Beam and Rate Adaptation via Combinatorial Satisficing Bandits
von: Özyıldırım, Emre, et al.
Veröffentlicht: (2026)

Machine Learning Assisted Design of mmWave Wireless Transceiver Circuits
von: Zhao, Xuzhe
Veröffentlicht: (2024)

Lower Bounds for Time-Varying Kernelized Bandits
von: Cai, Xu, et al.
Veröffentlicht: (2024)

Regret Bounds for Noise-Free Cascaded Kernelized Bandits
von: Li, Zihan, et al.
Veröffentlicht: (2022)

Beam Training in mmWave Vehicular Systems: Machine Learning for Decoupling Beam Selection
von: Kilinc, Ibrahim, et al.
Veröffentlicht: (2024)

Physics-Informed Parametric Bandits for Beam Alignment in mmWave Communications
von: Qin, Hao, et al.
Veröffentlicht: (2025)

Improved Offline Contextual Bandits with Second-Order Bounds: Betting and Freezing
von: Ryu, J. Jon, et al.
Veröffentlicht: (2025)

Avoiding the Price of Adaptivity: Inference in Linear Contextual Bandits via Stability
von: Praharaj, Samya, et al.
Veröffentlicht: (2025)

Quantum-Enhanced Neural Contextual Bandit Algorithms
von: Huang, Yuqi, et al.
Veröffentlicht: (2026)

Hybrid Beamforming in 5G mmWave Networks: a Full-stack Perspective
von: Gomez-Cuba, Felipe, et al.
Veröffentlicht: (2020)

Harnessing the Power of Federated Learning in Federated Contextual Bandits
von: Shi, Chengshuai, et al.
Veröffentlicht: (2023)

Green Learning for STAR-RIS mmWave Systems with Implicit CSI
von: Huang, Yu-Hsiang, et al.
Veröffentlicht: (2025)

CSI Transfer From Sub-6G to mmWave: Reduced-Overhead Multi-User Hybrid Beamforming
von: Deng, Weicao, et al.
Veröffentlicht: (2024)

Exploiting Beamforming for Enforcing Semantic Secrecy in 5G NR mmWave Communications
von: Torres-Figueroa, Luis, et al.
Veröffentlicht: (2025)

Hybrid Beamforming Design for Covert mmWave MIMO with Finite-Resolution DACs
von: Ci, Wei, et al.
Veröffentlicht: (2024)

Beam Switching Based Beam Design for High-Speed Train mmWave Communications
von: Huang, Jingjia, et al.
Veröffentlicht: (2024)

Deep Learning Based Adaptive Joint mmWave Beam Alignment
von: Tandler, Daniel, et al.
Veröffentlicht: (2024)

Intelligent Angle Map-based Beam Alignment for RIS-aided mmWave Communication Networks
von: Xia, Hao, et al.
Veröffentlicht: (2024)

Sustainable LSTM-Based Precoding for RIS-Aided mmWave MIMO Systems with Implicit CSI
von: Chou, Po-Heng, et al.
Veröffentlicht: (2025)

Multi-Modal Sensor Fusion for Proactive Blockage Prediction in mmWave Vehicular Networks
von: Nazar, Ahmad M., et al.
Veröffentlicht: (2025)

Multi-Agent Context Learning Strategy for Interference-Aware Beam Allocation in mmWave Vehicular Communications
von: Kose, Abdulkadir, et al.
Veröffentlicht: (2024)

Fast Rates for Offline Contextual Bandits with Forward-KL Regularization under Single-Policy Concentrability
von: Zhao, Qingyue, et al.
Veröffentlicht: (2026)

On Secure mmWave RSMA Systems
von: Lei, Hongjiang, et al.
Veröffentlicht: (2024)

Memristor-Based Meta-Learning for Fast mmWave Beam Prediction in Non-Stationary Environments
von: Cao, Yuwen, et al.
Veröffentlicht: (2025)

Reliability-Optimized User Admission Control for URLLC Traffic: A Neural Contextual Bandit Approach
von: Semiari, Omid, et al.
Veröffentlicht: (2024)

Restless Linear Bandits
von: Khaleghi, Azadeh
Veröffentlicht: (2024)

Adaptive and Fast Combined Waveform-Beamforming Design for mmWave Automotive Joint Communication-Radar
von: Kumari, Preeti, et al.
Veröffentlicht: (2020)

Tensor-Decomposition-based Hybrid Beamforming Design for mmWave OFDM Massive MIMO Communications
von: Zilli, Guilherme Martignago, et al.
Veröffentlicht: (2020)

Incremental Label Distribution Learning with Scalable Graph Convolutional Networks
von: Jia, Ziqi, et al.
Veröffentlicht: (2024)

Beam-align: distributed user association for mmWave networks with multi-connectivity
von: Weedage, Lotte, et al.
Veröffentlicht: (2022)