热点事件持续更新
研究提出面向通感一体化资源分配的GNN-ISAC算法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，arXiv机器学习领域发布最新研究，针对车联网通感一体化（ISAC）中的功率分配难题，提出了图神经网络算法GNN-ISAC。该算法旨在满足感知SINR约束的前提下最大化通信和速率。在技术实现上，GNN-ISAC在图表征中区分了服务商间干扰与内部功率共享两种边类型，并基于感知惩罚和速率损失实现无标签训练。仿真测试表明，该算法的通信和速率接近传统WMMSE算法，但计算量显著降低，且无需重新训练即可直接泛化应用于更大规模的网络环境。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究提出车联网通感一体化算法GNN-ISAC，兼顾高和速率与低计算量，并支持跨规模泛化。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习面向通感一体化资源分配的图神经网络
针对车联网通感一体化（ISAC）功率分配难题，研究提出图神经网络算法 GNN-ISAC，在满足感知 SINR 约束下最大化通信和速率。该算法在图表征中区分服务商间干扰与内部功率共享两种边类型，并通过感知惩罚和速率损失实现无标签训练。仿真表明，GNN-ISAC 计算量远低于传统 WMMSE 且通信和速率接近，同时无需重新训练即可直接泛化至更大规模网络。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。