論文の概要: Towards On-Device AI and Blockchain for 6G enabled Agricultural
Supply-chain Management
- arxiv url: http://arxiv.org/abs/2203.06465v1
- Date: Sat, 12 Mar 2022 15:36:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-15 14:17:19.976706
- Title: Towards On-Device AI and Blockchain for 6G enabled Agricultural
Supply-chain Management
- Title（参考訳）: 農業サプライチェーン管理を実現する6g用オンデバイスaiとブロックチェーン
- Authors: Muhammad Zawish, Nouman Ashraf, Rafay Iqbal Ansari, Steven Davy,
Hassan Khaliq Qureshi, Nauman Aslam and Syed Ali Hassan
- Abstract要約: 農業用サプライチェーン管理のための無人航空機(UAV)、AI、ブロックチェーンの組み合わせに基づくアーキテクチャを提案する。
完全な畳み込みニューラルネットワーク(FCN)モデルは、UAVが捉えた画像によるバイオマス推定に使用される。
6G対応ダイナミックUAVネットワークにおける飛行障害の影響を軽減するため,提案したモデル選択戦略は,実行時リソース要求に基づいて,UAVの更新を支援する。
- 参考スコア（独自算出の注目度）: 10.189149128814096
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: 6G envisions artificial intelligence (AI) powered solutions for enhancing the
quality-of-service (QoS) in the network and to ensure optimal utilization of
resources. In this work, we propose an architecture based on the combination of
unmanned aerial vehicles (UAVs), AI and blockchain for agricultural
supply-chain management with the purpose of ensuring traceability,
transparency, tracking inventories and contracts. We propose a solution to
facilitate on-device AI by generating a roadmap of models with various
resource-accuracy trade-offs. A fully convolutional neural network (FCN) model
is used for biomass estimation through images captured by the UAV. Instead of a
single compressed FCN model for deployment on UAV, we motivate the idea of
iterative pruning to provide multiple task-specific models with various
complexities and accuracy. To alleviate the impact of flight failure in a 6G
enabled dynamic UAV network, the proposed model selection strategy will assist
UAVs to update the model based on the runtime resource requirements.
- Abstract（参考訳）: 6Gは、ネットワークにおける品質・オブ・サービス(QoS)を強化し、リソースの最適な利用を確保するための人工知能(AI)ソリューションを構想している。
本研究では、トレーサビリティ、透明性、在庫の追跡、契約の確保を目的として、無人航空機(UAV)、AI、ブロックチェーンを組み合わせた農業サプライチェーン管理アーキテクチャを提案する。
我々は、様々なリソース・正確性トレードオフを持つモデルのロードマップを生成することにより、デバイス上でAIを促進するソリューションを提案する。
完全な畳み込みニューラルネットワーク(FCN)モデルは、UAVが捉えた画像によるバイオマス推定に使用される。
UAV上に展開するための1つの圧縮FCNモデルの代わりに、様々な複雑さと精度を持つ複数のタスク固有モデルを提供する反復プルーニングのアイデアを動機付けている。
6G対応ダイナミックUAVネットワークにおける飛行障害の影響を軽減するため,提案したモデル選択戦略は,実行時リソース要求に基づいて,UAVの更新を支援する。
関連論文リスト
- Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。
VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文 参考訳（メタデータ） (2024-10-02T02:20:42Z) - Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End
Collaboration [56.330705072736166]
基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。
実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
論文 参考訳（メタデータ） (2023-10-26T15:19:40Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳（メタデータ） (2021-12-20T15:45:28Z) - Joint Cluster Head Selection and Trajectory Planning in UAV-Aided IoT
Networks by Reinforcement Learning with Sequential Model [4.273341750394231]
我々は、UAVの軌道を共同で設計し、インターネット・オブ・シングス・ネットワークでクラスタ・ヘッドを選択するという問題を定式化する。
本稿では,シーケンス・ツー・シーケンス・ニューラルネットワークで表されるポリシーを効果的に学習できるシーケンシャルモデル戦略を備えた,新しい深層強化学習(DRL)を提案する。
シミュレーションにより,提案したDRL法は,より少ないエネルギー消費を必要とするUAVの軌道を見つけることができることを示した。
論文 参考訳（メタデータ） (2021-12-01T07:59:53Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳（メタデータ） (2021-03-03T20:54:19Z) - Privacy-Preserving Federated Learning for UAV-Enabled Networks:
Learning-Based Joint Scheduling and Resource Management [45.15174235000158]
無人航空機(UAV)は、データ収集、人工知能(AI)モデルトレーニング、無線通信をサポートする飛行基地局(BS)として機能する。
モデルトレーニングのためにUAVサーバにデバイスの生データを送信するのは現実的ではない。
本稿では,マルチUAV対応ネットワークのための非同期フェデレーション学習フレームワークを開発する。
論文 参考訳（メタデータ） (2020-11-28T18:58:34Z) - Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。
AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。
AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
論文 参考訳（メタデータ） (2020-01-28T15:10:22Z)
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。