当前位置: X-MOL首页全球导师 国内导师 › 王昆仑

个人简介

王昆仑博士于2016年在上海交通大学电子工程系获得博士学位。2016年至2017年间在上海华为技术有限公司担任研究工程师。2017年至2019年间在中国科学院上海微系统与信息技术研究所、上海雾计算实验室任助理研究员。他于2019年3月加入上海科技大学信息科学与技术学院任助理研究员

研究领域

雾计算网络 物联网与无线通信 机器学习与优化算法

研究领域主要包括物联网与无线通信,雾计算网络,跨层设计,机器学习与优化算法等。

近期论文

查看导师新发文章 (温馨提示:请注意重名现象,建议点开原文通过作者单位确认)

1.KunlunWang,andW.Chen,Energy-EfficientCommunicationsinMIMOSystemsBasedonAdaptivePacketsandCongestionControlwithDelayConstraints,IEEETransactionsonWirelessCommunications,vol.14,no.4,pp.2169-2179,2015. 2.KunlunWang,M.Tao,W.Chen,andQ.Guan,“Delay-AwareEnergy-EfficientCommunicationsOverNakagami-mFadingChannelwithMMPPTraffic,”IEEETransactionsonCommunications,vol.63,no.8,pp.3008-3020,2015. 3.KunlunWang,W.Chen,J.Li,andB.Vucetic,“GreenMU-MIMO/SIMOSwitchingforHeterogeneousDelay-awareServiceswithConstellationOptimization,”IEEETransactionsonCommunications,vol.64,no.5,pp.1984-1995,2016. 4.Y.Yang,KunlunWang,G.Zhang,X.Chen,X.Luo,andM.Zhou,“MEETS:MaximalEnergyEfficientTaskSchedulinginHomogeneousFogNetworks,“IEEEInternetofThingsJournal,vol.5,no.5,pp.4076-4087,2018. 5.Y.Yang,Y.Wu,N.Chen,KunlunWang,S.Chen,andS.Yao,“LOCASS:LocalOptimalCachingAlgorithmwithSocialSelfishnessforMixedCooperativeandSelfishDevices,”IEEEAccess,2018. 6.Z.Liu,X.Yang,Y.Yang,KunlunWang,andG.Mao,“DATS:DispersiveStableTaskSchedulinginHeterogeneousFogNetworks,”IEEEInternetofThingsJournal,2018. 7.G.Zhang,F.Shen,Z.Liu,Y.Yang,KunlunWang,andM.Zhou,“FEMTO:FairandEnergy-MinimizedTaskOffloadingforFog-EnabledIoTNetworks,”IEEEInternetofThingsJournal,2018. 8.KunlunWang,andWenChen,Delay-AwareEnergy-EfficientCommunicationsOverNakagami-mFadingChannelwithMMPPTraffic,IEEEInternationalConferenceonCommunications(ICC),2015. 9.Y.Yang,KunlunWang,G.Zhang,X.Chen,X.Luo,andM.Zhou,“MaximalEnergyEfficientTaskSchedulingforHomogeneousFogNetworks,”IEEEINFOCOM,IntegratingEdgeComputing,Caching,andOffloadinginNextGenerationNetworksWorkshop,pp.1-6,2018. 10.Y.Tan,KunlunWang,Y.Yang,andM.Zhou,“Delay-OptimalTaskOffloadingforDynamicFogNetworks,”IEEEInternationalConferenceonCommunications(ICC),2019

推荐链接
down
wechat
bug