NeuraLunaDTNet: Feedforward Neural Network-Based Routing Protocol for Delay-Tolerant Lunar Communication Networks

太空通信存在着严重的延迟、难以预测的路由和通信中断等挑战。为了应对这些情况，延迟容忍网络架构应运而生，而传统的延迟容忍网络路由协议在应对太空通信的固有复杂性时表现不佳。研究人员旨在利用人工智能的最新进展来缓解某些路由挑战。我们提出利用前馈神经网络开发一种新型协议NeuraLunaDTNet，通过学习动态变化的时空图中的接触计划，提高了PRoPHET路由协议在月球通信中的效率。

论文旨在利用人工智能来解决空间通信中的路由挑战，提出了NeuraLunaDTNet协议，用于增强PRoPHET路由协议的效率。

利用前馈神经网络来学习动态变化的时空图中的联系计划，从而提高PRoPHET路由协议的性能。

论文提出的NeuraLunaDTNet协议采用前馈神经网络来提高路由协议的效率，实验结果表明该协议相比传统路由协议有更好的性能表现。论文使用了真实的月球通信数据集，并开源了代码。值得进一步研究。

最近的相关研究包括：1. DTN路由协议的研究；2. 基于人工智能的路由协议的研究。