Mar, 2022

朝着 6G 农业供应链管理的本地 AI 和区块链方向

PDF
TL;DR本文提出了基于无人机、人工智能和区块链的架构，用于农业供应链管理，以确保可追溯性、透明度、库存跟踪和合同。利用全卷积神经网络（FCN）估计作物，并通过迭代裁剪提供多个任务特定模型以实现在设备上的良好人工智能。
6gaiblockchainuavsagriculture
发现论文，激发创造
  • 基于深度强化学习的无人机辅助智能农场网络任务卸载

    本篇论文提出了一种基于深度 Q 学习的决策算法，使得使用 UAV 和多接入边缘计算设备的无线网络能够有效地监测农田，通过图像分类来预防火灾或洪水等情况，并且与 Q 学习和三种基线算法相比，本文方法在监测效果和性能方面表现出了可比较的结果，而且能够比 Q 学习更快地达到收敛。

    Sep, 2022

  • 无人机即服务：推进空地一体化网络的边缘智能

    本文提出了一种名为 UaaS 的无人机服务架构，利用机器学习技术通过无人机智能地提供无线通信服务、边缘计算服务和边缘缓存服务，实现了 6G 网络中智能分配各种服务的目标，并在多个地面用户分布式机器学习模型训练中进行了案例研究，证明了其高效和可行性。

    Mar, 2020

  • 使用隐私保护联邦学习的无人机网络：基于学习的联合调度和资源管理

    本文提出了一个多无人机网络上异步联邦学习框架，避免将原始数据发送到无人机服务器中进行模型训练，同时提出了异步优势演员 - 评论家算法并采用设备选择策略、无人机部署和资源管理算法来提高学习收敛速度和准确性。仿真结果表明，相比于现有解决方案，我们的方案实现了更高的学习准确度和更快的联邦执行时间。

    Nov, 2020

  • 区块链支持的聚集和可扩展联邦学习（BCS-FL）无人机网络框架

    区块链集群化和可扩展联邦学习（BCS-FL）框架通过将无人机网络分区成不同的集群，利用集群头无人机（CHs）进行协调，以建立连接图，从而提高了大规模无人机网络中联邦学习（FL）的去中心化、协调性、可扩展性和效率。

    Feb, 2024

  • 空中联邦学习：无人机群的空地空气质量感知框架

    本文提出了一种基于联邦学习的空 - 地一体化空气质量感知框架，旨在进行精细化的三维空气质量监测和预测，其中在空中使用轻量级 Dense-MobileNet 模型进行 AQI 预测，而在地面上使用基于图卷积神经网络的长短时记忆模型来实时推理 AQI。经实验证明，在不损害数据隐私的前提下，此框架能够实现准确、高效的 AQI 感知。

    Jul, 2020

  • 马尔可夫物联网模型中的交通学习和主动型无人机轨迹规划与数据上行

    通过学习的基于马尔可夫事件的新颖框架，利用无人机作为飞行基站，预测 IoT 设备的流量到达并优化多个无人机的轨迹和调度策略，最终通过深度强化学习方法改进传输性能。

    Jan, 2024

  • 机器学习应用于无人机蜂窝网络连接和安全

    本文介绍了在细胞连接的无人机领域中所涉及到的无线连接和安全挑战，提出了基于人工神经网络的方案来适应性地利用无线系统资源并在保证实时安全的情况下解决挑战。

    Apr, 2018

  • 面向 6G 的普及型联邦学习人工智能

    本文提出了一种基于联邦学习的网络架构，旨在通过分布式人工智能解决 6G 中的一些新挑战，包括应用 AI 于无线网络的困难，以及跨异构设备实现分布式 AI 的困难。

    Apr, 2020

  • 基于 FPGA 的无人机神经推力控制器

    使用 FPGA 硬件板验证了应用于开源微型无人机平台的 RL 低层控制器的功能。

    Mar, 2024

  • 面向资源受限的无人机监控系统的分布式 CNN 推断：设计与优化

    本文提出了一种深度神经网络在无人机上的分布式方法，以实现资源受限设备中的数据分类，同时考虑无人机的移动模型和资源约束。模拟表明，所提出的优化方案优于现有的启发式方法和基于服务器的解决方案。

    May, 2021