論文の概要: Machine Learning and Artificial Intelligence in Next-Generation Wireless Network

• arxiv url: http://arxiv.org/abs/2202.01690v1
• Date: Thu, 30 Dec 2021 18:58:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-06 13:20:05.595341
• Title: Machine Learning and Artificial Intelligence in Next-Generation Wireless Network
• Title（参考訳）: 次世代無線ネットワークにおける機械学習と人工知能
• Authors: Wafeeq Iqbal, Wei Wang, Ting Zhu
• Abstract要約: 本稿では、次世代無線ネットワークの容量と有効性を改善するために、機械学習、自動化、人工知能、ビッグデータ分析に焦点を当てる。 この論文は、機械学習、ビッグデータ分析、人工知能が、次世代の無線ネットワークを自己適応、自己認識、規範、そして積極的にするのに役立つことを明らかにする。
• 参考スコア（独自算出の注目度）: 13.263836603347606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the advancement in technologies, the next-generation wireless network will be very diverse, complicated, and according to the changed demands of the consumers. The current network operator methodologies and approaches are traditional and cannot help the next generation networks to utilize their resources most appropriately. The limited capability of the traditional tools will not allow the network providers to fulfill the demands of the network's subscribers in the future. Therefore, this paper will focus on machine learning, automation, artificial intelligence, and big data analytics for improving the capacity and effectiveness of next-generation wireless networks. The paper will discuss the role of these new technologies in improving the service and performance of the network providers in the future. The paper will find out that machine learning, big data analytics, and artificial intelligence will help in making the next-generation wireless network self-adaptive, self-aware, prescriptive, and proactive. At the end of the paper, it will be provided that future wireless network operators cannot work without shifting their operational framework to AI and machine learning technologies.
• Abstract（参考訳）: テクノロジーの進歩により、次世代無線ネットワークは非常に多様で複雑で、消費者の要求の変化に応じている。 現在のネットワークオペレーターの方法論とアプローチは従来的であり、次世代ネットワークがリソースを最も適切に利用するのを助けることはできない。 従来のツールの能力に制限があるため、ネットワークプロバイダは将来、ネットワークの加入者の要求を満たすことはできない。 そこで本稿では,次世代無線ネットワークの容量と有効性を向上させるため,機械学習,オートメーション,人工知能,ビッグデータ分析に注目する。 本稿では,今後のネットワークプロバイダのサービスとパフォーマンス向上におけるこれらの新技術の役割について論じる。 この論文は、機械学習、ビッグデータ分析、人工知能が、次世代ワイヤレスネットワークを自己適応、自己認識、規範、そして積極的にするのに役立つことを明らかにする。 論文の最後には、将来の無線ネットワークオペレーターが、運用フレームワークをAIや機械学習技術にシフトせずには働けないことが述べられている。

関連論文リスト

• Green Edge AI: A Contemporary Survey [46.11332733210337]
  AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。 ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。 その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
  論文  参考訳（メタデータ） (2023-12-01T04:04:37Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• Personalized Resource Allocation in Wireless Networks: An AI-Enabled and Big Data-Driven Multi-Objective Optimization [22.77447144331876]
  AI(Artificial Intelligence)は、無線ネットワークの設計と最適化に使用される。 AIの将来の主な応用の1つは、多くのユースケースに対してユーザーレベルのパーソナライズを可能にすることである。 本稿で提唱されるパーソナライズ技術は,ネットワークリソースの不足をマイクロマネジメントするために設計された,インテリジェントなビッグデータ駆動層によって支えられている。
  論文  参考訳（メタデータ） (2023-07-08T00:26:36Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Introduction to the Artificial Intelligence that can be applied to the Network Automation Journey [68.8204255655161]
  Intent-Based Networking - Concepts and Definitions"ドキュメントには、NetDevOpsに関わる可能性のあるエコシステムのさまざまな部分について記述されている。 認識、生成、翻訳、精巧な機能には、アルゴリズムを実装するための新しい方法が必要だ。
  論文  参考訳（メタデータ） (2022-04-02T08:12:08Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• The Confluence of Networks, Games and Learning [26.435697087036218]
  新興ネットワークアプリケーションは、分散ネットワークインテリジェンスを作成するためのゲーム理論モデルと学習に基づくアプローチを要求する。 本稿では,ネットワーク,ゲーム,学習の相違を具体化し,ネットワーク上でのマルチエージェント意思決定を理解するための理論的基盤を確立する。
  論文  参考訳（メタデータ） (2021-05-17T20:54:07Z)
• Distributed Learning in Wireless Networks: Recent Progress and Future Challenges [170.35951727508225]
  次世代のワイヤレスネットワークは、エッジデバイスが収集するさまざまな種類のデータを分析する多くの機械学習ツールやアプリケーションを可能にする。 エッジデバイスが生データ交換なしでMLモデルを協調的にトレーニングできるようにする手段として,分散学習と推論技術が提案されている。 本稿では,ワイヤレスエッジネットワーク上で分散学習を効率的に効果的に展開する方法を包括的に研究する。
  論文  参考訳（メタデータ） (2021-04-05T20:57:56Z)
• Machine Learning for Massive Industrial Internet of Things [69.52379407906017]
  モノのインターネット(IIoT)は、モノのインターネット技術を産業環境に統合することで、将来の製造施設に革命をもたらします。 大規模なIIoTデバイスのデプロイでは、無線ネットワークがさまざまなQoS(Quality-of-Service)要件でユビキタス接続をサポートすることは困難である。 まず、一般的な非クリティカルかつクリティカルなIIoTユースケースの要件を要約します。 次に、大規模なIIoTシナリオと対応する機械学習ソリューションのユニークな特性を、その制限と潜在的な研究方向で識別します。
  論文  参考訳（メタデータ） (2021-03-10T20:10:53Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• Machine Learning for Network Slicing Resource Management: A Comprehensive Survey [8.447614574360781]
  マルチテナントネットワークスライシングは5Gセルネットワークの重要な特徴であると考えられている。 新しいタイプのパブリッククラウドサービスとして、ネットワークスライスを提供する。 ネットワークリソース管理における新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-01-22T11:55:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。