Mar, 2023

深度生成模型及其在高效的无线网络管理中的应用：教程与案例研究

PDF
TL;DR本文讨论深度生成模型在无线网络管理中的应用，探讨了传统网络管理方法的问题，提出了一种 DGM 增强的框架，并对网络经济进行了案例研究。
deep generation modelsinternet of thingswireless network managementdiffusion modelgenerative ai
发现论文，激发创造
  • 深度生成建模简介

    该研究论文介绍了深度生成模型的数学框架及其最流行的三种方法：正态化流、变分自编码器和生成对抗网络。此外，该论文还探讨了这些基本方法的优缺点。

    Mar, 2021

  • WiGenAI: 无线通信与生成式人工智能的交融：扩散模型的交响乐

    使用生成式人工智能 (generative AI)、扩散模型 (diffusion models) 和去噪扩散概率模型 (DDPM) 研究了其在无线通信系统中的应用，并提出了具有鲁棒性的 AI 原生通信系统的发展方向与开放问题。

    Oct, 2023

  • 通过深度生成技术重构零售供应链：分类、调查和洞见

    通过对现有的深度生成模型及其变体的分类和概述、对零售供应链中现有的深度生成模型应用的全面回顾以及对如何进一步利用深度生成模型解决零售供应链问题的见解和潜在方向的讨论，本论文旨在回答一个关键性问题：如何将深度生成模型应用于现代零售供应链领域。

    Feb, 2024

  • 在生成类人工智能时代的黎明：关于 6G 无线智能的新前沿的教程与综述

    通过对 6G 网络研究中的数据驱动的无线研究、生成式人工智能、生成模型、GMs 和 6G 网络研究等关键词进行分析，本文介绍了生成模型的教程和调查，并对无线研究领域的核心问题进行了回顾和分析，提出了 GMs 在 6G 网络研究的重要作用，并针对未来可能面临的挑战提供了潜在的策略和有希望的解决办法。

    Feb, 2024

  • 6G 时代资源高效的移动边缘生成网络：基础、框架和案例研究

    将生成式人工智能（GAI）与边缘计算网络结合，提出了生成式移动边缘网络的概念，并概述了广泛采用的 GAI 技术及其在移动边缘网络中的应用。在资源受限场景下，通过设计资源高效的方法、制定适当的激励机制以及利用生成扩散模型（GDMs）找到最优的激励机制解决方案，解决了生成式移动边缘网络面临的挑战。通过案例研究提出了一种模型分区的方法以实现智能任务卸载，并提出了基于 GDM 的 Stackelberg 模型来激励边缘设备为移动边缘智能提供计算资源。最后，提出了几个能够促进生成式移动边缘网络未来发展的方向。

    Dec, 2023

  • 离线策略学习的深度生成模型：教程、调查和未来方向的展望

    深度生成模型在离线策略学习中的应用的系统综述，涵盖了变分自编码器、生成对抗网络、Transformer 等主要深度生成模型以及它们在离线强化学习和模仿学习中的应用，提供了对相关研究领域进展的实用参考，并致力于启发改进基于深度生成模型的离线强化学习和模仿学习算法。

    Feb, 2024

  • 6G 无线网络数字孪生：生成 AI 作为关键驱动器

    数字孪生通过同步数字复制品实现物理实体的仿真、评估和优化，在复杂的无线网络中作为一项有前景的技术引起了越来越多的关注。本文讨论了在 6G 时代中，考虑到复杂的网络架构、巨大的网络规模、广泛的覆盖范围和多样化的应用场景，对无线网络数字孪生的新要求，并进一步探讨了生成式人工智能，如变压器和扩散模型等在多个方面强化 6G 数字孪生的应用，包括实施、物理 - 数字同步和切片能力。随后，我们提出了一个基于分层生成式人工智能的无线网络数字孪生，包括消息层和策略层，并通过数值结果提供了一个典型的应用案例来验证其有效性和效率。最后，我们讨论了 6G 时代无线网络数字孪生的开放性研究问题。

    Nov, 2023

  • 生成式扩散模型综述

    本文介绍了扩散模型领域的现状，并提出了改进现有问题的技术，包括模型速度提升、数据结构多样化、可能性优化和维数减少等。此外，还介绍了扩散模型的应用，包括计算机视觉、序列建模、音频和科学人工智能。

    Sep, 2022

  • 视觉中的生成人工智能：模型、度量和应用的综述

    这篇综述论文提供了关于生成式 AI 扩散和传统模型的全面概述，主要介绍了它们的基本技术、在不同领域的应用以及所面临的挑战，旨在为研究人员和从业者提供全面了解，并激发未来在这个令人兴奋的人工智能领域的创新。

    Feb, 2024

  • 使用深度生成模型重新考虑多用户语义通信

    在这篇文章中，我们提出了一个新的生成语义通信框架，针对多用户场景进行了优化，利用扩散模型在接收方填充丢失的信息，通过彻底的实验评估展示了这种创新性的扩散模型的能力和所提出框架的有效性，为基于 GenAI 的下一代通信发展指明了方向。

    May, 2024