Oct, 2022

利用原地模型下载在 6G 移动网络中实现多功能边缘人工智能

PDF
TL;DR通过应用 in-situ 模型下载技术，可以在 6G 移动网络中实现发射设备（如智能手机和传感器）的智能化。该技术可提供透明和实时的模型替换，可以根据时间变化的情况（如应用，位置和时间），设备异构存储和计算能力以及信道状态进行自适应模型下载。一项关键技术是在深度级别，参数级别或比特级别上动态压缩下载模型，以支持自适应模型下载。为该框架量身定制了三层（边缘、本地和中心）AI 库的虚拟 6G 网络架构。此外，还进行了实验来量化 6G 连接要求，并讨论了有关所提出技术的研究机会。
6g mobile networksedge aiin-situ model downloadingadaptative model downloadingvirtualized 6g network architecture
发现论文，激发创造
  • 6G 的边缘人工智能：愿景、实现技术和应用

    本文介绍了一种将模型训练和推断能力嵌入到网络边缘的边缘人工智能技术，为 6G 提供了一种优化网络效率、效果、隐私和安全的解决方案，并提出了新的无线网络设计原则、面向服务的资源分配优化方法、端到端的架构以支持边缘人工智能。

    Nov, 2021

  • 6G 自学边缘智能技术探索

    本文旨在探讨 6G 边缘本地人工智能网络中的关键需求和挑战，并介绍了一种基于自我监督生成对抗网络的自学习体系结构，可以在网络边缘实现自动数据学习和合成，实现较大的性能提升。最后，讨论了自学习可实现的未来趋势和关键研究问题。

    Oct, 2020

  • 边缘智能的 6G 白皮书

    本文提供了 6G 边缘智能的愿景，着重探讨了边缘计算基础设施和平台、数据和边缘网络管理、边缘软件开发以及 ML / AI 算法的实时和分布式训练等方面的内容，旨在实现带有安全、隐私、定价和最终用户方面的智能边缘服务。我们的主要目标是从物联网向智能物联网转变，并提供 6G 智能边缘的发展路线图。

    Apr, 2020

  • 人工智能驱动的智能 6G 网络

    这篇文章提出了一种基于人工智能的 6G 网络智能架构，用于实现知识发现、智能资源管理、自动网络调整和智能服务提供。作者还回顾和讨论了 AI 技术在 6G 网络中的应用，并详细阐述了如何利用 AI 技术有效地优化网络性能，包括 AI 支持的移动边缘计算、智能移动和切换管理以及智能频谱管理。另外，作者强调了重要的未来研究方向和 AI-enabled 6G 网络的潜在解决方案，包括算法鲁棒性、计算效率、硬件开发和能源管理等。

    Dec, 2019

  • 基于联邦学习的智能化移动边缘计算、缓存与通信

    本文提出了一种针对移动边缘计算的 “In-Edge AI” 框架，结合深度强化学习和联邦学习技术，利用设备和边缘节点之间的协作来优化移动边缘计算、缓存和通信，从而在减少系统通信负载的同时进行动态的系统级优化和应用级增强，具有近乎最优的性能。

    Sep, 2018

  • 边缘人工智能

    本文探讨了物联网、边缘计算、5G 移动通信、人工智能 / 机器学习等技术在支持实时应用和满足复杂多样化的应用需求方面的潜力和挑战。

    Dec, 2020

  • 基于基石模型的 6G 原生 AI 框架与云边端协作

    通过基于基础模型的六代移动通信系统本地人工智能框架，在任务导向连接方面实现智能且沉浸式的体验，重新定义设备和服务器之间的协作模式，构建本地智能库，并提出了一种定制化方法和一种基于任务的人工智能工具包的建构，同时提出了一种新颖的云边缘协同模式。

    Oct, 2023

  • 网络边缘的机器学习调查

    本文综述了在边缘计算设备上部署机器学习系统的主要研究工作，重点关注了智能边缘系统成功应用中使用的压缩技术、工具、框架和硬件等方面的运营问题。

    Jul, 2019

  • 6G 路线图 -- 人工智能赋能的无线网络

    本文讨论了 6G 的潜在技术以支持移动人工智能应用，并探讨了能够设计和优化 6G 架构、协议和运营的 AI 启用方法。

    Apr, 2019

  • 移动云协同智能推理

    在移动设备上，利用深度学习模型进行 AI 应用程序时，采用共享的移动 - 云推理方法可以降低推理的延迟、能源消耗和网络带宽使用，同时提供隐私保护措施。

    Jun, 2023