論文の概要: AI-Empowered Data Offloading in MEC-Enabled IoV Networks

• arxiv url: http://arxiv.org/abs/2204.10282v1
• Date: Thu, 31 Mar 2022 09:31:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:24:06.769650
• Title: AI-Empowered Data Offloading in MEC-Enabled IoV Networks
• Title（参考訳）: MEC対応IoVネットワークにおけるAIを利用したデータオフロード
• Authors: Afonso Fontes, Igor de L. Ribeiro, Khan Muhammad, Amir H. Gandomi, Gregory Gay, Victor Hugo C. de Albuquerque
• Abstract要約: 本稿では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主要な問題に基づいて分類された、データオフロードプロセスの一部としてAIを使用する研究を調査する。 MEC対応のIoVネットワークでデータをオフロードするプロセスにおけるさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。
• 参考スコア（独自算出の注目度）: 40.75165195026413
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Advancements in smart vehicle design have enabled the creation of Internet of Vehicle (IoV) technologies that can utilize the information provided by various sensors and wireless communication to perform complex functionality. Many of these functionalities rely on high computational power and low latency. Mobile Edge Computing (MEC) technologies have been proposed as a way to meet these requirements, as their proximity and decentralization provide unique benefits for networks like real-time communication, higher throughput, and flexibility. Diverse challenges to the process of offloading data in a MEC-enabled IoV network have emerged, such as offloading reliability in highly mobile environments, security for users within the same network, and energy management to keep users from being disincentivized to participate in the network. This article surveys research studies that use AI as part of the data offloading process, categorized based on four main issues: reliability, security, energy management, and service seller profit. Afterward, this article discusses challenges and future perspectives for IoV technologies.
• Abstract（参考訳）: スマートカーの設計の進歩により、様々なセンサーと無線通信によって提供される情報を活用し、複雑な機能を実現するinternet of vehicle(iov)技術の開発が可能になった。 これらの機能の多くは高い計算能力と低レイテンシに依存している。 モバイルエッジコンピューティング(MEC)技術は、その近接性と分散化がリアルタイム通信や高いスループット、柔軟性といったネットワークにユニークなメリットをもたらすため、これらの要件を満たす方法として提案されている。 MEC対応のIoVネットワークでデータをオフロードするプロセスに対するさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。 この記事では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主な課題に基づいて、データオフロードプロセスの一部としてaiを使用する研究について調査します。 その後、IoV技術の課題と今後の展望について論じる。

関連論文リスト

• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Multi-Tier Hierarchical Federated Learning-assisted NTN for Intelligent IoT Services [24.10349383347469]
  本研究では,分散型協調学習環境の育成におけるMT-HFLの役割について考察する。 これにより、IoTデバイスがコントリビューションだけでなく、ネットワーク管理において情報的な決定を行うことが可能になる。 このセットアップにより、効率的なデータ処理、高度なプライバシとセキュリティ対策、および変動するネットワーク条件への応答が保証される。
  論文  参考訳（メタデータ） (2023-05-09T14:03:22Z)
• The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
  インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。 我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
  論文  参考訳（メタデータ） (2022-12-21T03:37:38Z)
• Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
  Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
  論文  参考訳（メタデータ） (2021-10-04T19:41:42Z)
• Making a Case for Federated Learning in the Internet of Vehicles and Intelligent Transportation Systems [6.699060157800401]
  車両のインターネット(IoV)はインテリジェント交通システム(ITS)に変換されます。 これらの課題に対処するために,協調的分散知能技術である連合学習が提案されている。 多数のユースケースとメリットを備えたFederated Learningは、ITSの重要なイネーブラーであり、5Gおよびネットワークやアプリケーションを超えて広く実装される予定です。
  論文  参考訳（メタデータ） (2021-02-19T20:07:17Z)
• Autonomous Maintenance in IoT Networks via AoI-driven Deep Reinforcement Learning [73.85267769520715]
  IoT(Internet of Things)は、デプロイされるデバイスやアプリケーションの数の増加とともに、ネットワークのメンテナンス手順に大きな課題をもたらしている。 部分観測可能なマルコフ決定プロセスとして,IoTネットワークにおける自律的メンテナンスの問題を定式化する。 深層強化学習アルゴリズム (drl) を用いて, 保守手順が整っているか否かを判断するエージェントを訓練し, 前者の場合, 適切なメンテナンス方法が必要となる。
  論文  参考訳（メタデータ） (2020-12-31T11:19:51Z)
• Challenges of AI in Wireless Networks for IoT [4.415110372506057]
  IoT(Internet of Things)には、ユビキタス接続、コンテキスト認識、動的サービスモビリティ、無線ネットワークインフラストラクチャによる極端なセキュリティが必要です。 エンドツーエンドのIoT通信を容易にする無線ネットワークインフラストラクチャでAIを使用する際の大きな課題が強調されている。
  論文  参考訳（メタデータ） (2020-07-09T11:00:56Z)
• 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。