Fugu-MT 論文翻訳(概要): Massive Twinning to Enhance Emergent Intelligence

論文の概要: Massive Twinning to Enhance Emergent Intelligence

arxiv url: http://arxiv.org/abs/2204.09316v1
Date: Wed, 20 Apr 2022 08:51:06 GMT
ステータス: 処理完了
システム内更新日: 2022-04-21 15:13:34.465842
Title: Massive Twinning to Enhance Emergent Intelligence
Title（参考訳）: 創発的知性を高める大規模ツインニング
Authors: Siyu Yuan, Bin Han, Dennis Krummacker, and Hans D. Schotten
Abstract要約: 創発的インテリジェンス(EI)には、堅牢性、プライバシ保護、スケーラビリティなど、さまざまな優れた機能がある。我々は,EIにおけるデータトラフィックを削減し,その性能を向上させるために,6Gがサポートする大規模ツインニングパラダイムを活用することを提案する。
参考スコア（独自算出の注目度）: 6.412075049216053
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Future Industrial Internet-of-Things in the upcoming 6G era is expected to deploy artificial intelligence (AI) and digital twins (DTs) ubiquitously. As a complement to conventional AI solutions, emergent intelligence (EI) exhibits various outstanding features including robustness, protection to privacy, and scalability, which makes it competitive for 6G IIoT applications. However, despite its low computational complexity, it is challenged by its high demand of data traffic in massive deployment. In this paper, we propose to exploit the massive twinning paradigm, which 6G is envisaged to support, to reduce the data traffic in EI and therewith enhance its performance.
Abstract（参考訳）: 6G時代の未来の産業用インターネットは、人工知能(AI)とデジタルツイン(DT)をユビキタスに展開することが期待されている。従来のaiソリューションを補完するものとして、emergent intelligence(ei)には、堅牢性、プライバシ保護、スケーラビリティなど、さまざまな特徴があり、6g iiotアプリケーションと競合する。しかし、計算の複雑さは低いものの、大規模なデプロイメントにおけるデータトラフィックの高需要が課題となっている。本稿では,EIにおけるデータトラフィックを削減し,その性能を向上させるために,6Gがサポートする大規模ツインニングパラダイムを活用することを提案する。

関連論文リスト

An Approach To Enhance IoT Security In 6G Networks Through Explainable AI [1.9950682531209158]
6G通信は、特にIoTにおいて、画期的な機能を提供する6Gによって大きく進化した。 IoTを6Gに統合することで、高度なテクノロジによって導入された脆弱性による攻撃面の拡大という、新たなセキュリティ上の課題が提示される。本研究は、木に基づく機械学習アルゴリズムを用いて複雑なデータセットを管理し、機能の重要性を評価することで、これらの課題に対処する。
論文参考訳（メタデータ） (2024-10-04T20:14:25Z)
From 5G to 6G: A Survey on Security, Privacy, and Standardization Pathways [21.263571241047178]
6Gのビジョンは、より高速なデータレート、ほぼゼロのレイテンシ、より高いキャパシティでネットワーク機能を強化することである。この進歩は、没入型混合現実体験、ホログラフィー通信、スマートシティインフラの実現を目指している。 6Gの拡張は、不正アクセスやデータ漏洩など、重要なセキュリティとプライバシの懸念を提起する。
論文参考訳（メタデータ） (2024-10-04T03:03:44Z)
Systematic Literature Review of AI-enabled Spectrum Management in 6G and Future Networks [29.38890315823053]
AI対応のSpectrum Managementの進歩の強化にはギャップがあります。従来のスペクトル管理手法は、ダイナミックで複雑な要求のため、6Gでは不十分である。発見は、重要なAISMシステムにおける未探索のAI利用などの課題を明らかにする。
論文参考訳（メタデータ） (2024-06-12T11:31:42Z)
Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文参考訳（メタデータ） (2024-02-21T06:22:41Z)
Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
論文参考訳（メタデータ） (2023-12-28T13:02:53Z)
From Generative AI to Generative Internet of Things: Fundamentals, Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。 GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-10-27T02:58:11Z)
Task-Oriented Integrated Sensing, Computation and Communication for Wireless Edge AI [46.61358701676358]
エッジ人工知能(AI)は、従来のクラウドをネットワークエッジまで高速に計算するために提案されている。近年,特定のエッジAIタスクに対する無線センシング,計算,通信(SC$2$)の収束が,パラダイムシフトを引き起こしている。超信頼性で低レイテンシなエッジインテリジェンス獲得を実現するために、完全に統合されたセンシング、計算、通信(I SCC)を進めることが最重要である。
論文参考訳（メタデータ） (2023-06-11T06:40:51Z)
Optimization Design for Federated Learning in Heterogeneous 6G Networks [27.273745760946962]
フェデレーテッド・ラーニング(FL)は、6GネットワークでユビキタスAIを実現するための重要な実現手段として期待されている。 6Gネットワークにおける有効かつ効率的なFL実装には、いくつかのシステムおよび統計的不均一性の課題がある。本稿では,これらの課題に効果的に対処できる最適化手法について検討する。
論文参考訳（メタデータ） (2023-03-15T02:18:21Z)
In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile Networks [61.416494781759326]
In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-10-07T13:41:15Z)
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)
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)

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。