Deep reinforcement learning for secrecy energy efficiency maximization in RIS-assisted networks
This paper investigates the deep reinforcement learning (DRL) for maximization of the secrecy energy efficiency (SEE) in reconfigurable intelligent surface (RIS)-assisted networks. An SEE maximization problem is formulated under constraints of the rate requirement of each (legitimate) user, the powe...
محفوظ في:
المؤلفون الرئيسيون: | Zhang, Yichi, Lu, Yang, Zhang, Ruichen, Ai, Bo, Niyato, Dusit |
---|---|
مؤلفون آخرون: | School of Computer Science and Engineering |
التنسيق: | مقال |
اللغة: | English |
منشور في: |
2023
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/170813 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Secrecy throughput maximization for full-duplex wireless powered IoT networks under fairness constraints
بواسطة: Rezaei, Roohollah, وآخرون
منشور في: (2021) -
Constraints for digitally implemented maximally flat optimum broadband beamformers
بواسطة: Thng, I.L., وآخرون
منشور في: (2014) -
Joint IT-facility optimization for green data centers via deep reinforcement learning
بواسطة: Zhou, Xin, وآخرون
منشور في: (2022) -
Introduction to a new array processing concept : orientational beamforming
بواسطة: Aye, Su Yee, وآخرون
منشور في: (2021) -
Toward intelligent multizone thermal control with multiagent deep reinforcement learning
بواسطة: Li, Jie, وآخرون
منشور في: (2021)