論文の概要: Intent Profiling and Translation Through Emergent Communication

• arxiv url: http://arxiv.org/abs/2402.02768v1
• Date: Mon, 5 Feb 2024 07:02:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 17:49:58.992521
• Title: Intent Profiling and Translation Through Emergent Communication
• Title（参考訳）: 創発的コミュニケーションによるインテントプロファイリングと翻訳
• Authors: Salwa Mostafa, Mohammed S. Elbamby, Mohamed K. Abdel-Aziz, and Mehdi Bennis
• Abstract要約: インテントプロファイリングと翻訳のためのAIベースのフレームワークを提案する。 ネットワークと対話するアプリケーションがドメイン言語におけるネットワークサービスのニーズを表現するシナリオを考察する。 インテントプロファイリングのための創発的コミュニケーションに基づくフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 30.44616418991389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To effectively express and satisfy network application requirements, intent-based network management has emerged as a promising solution. In intent-based methods, users and applications express their intent in a high-level abstract language to the network. Although this abstraction simplifies network operation, it induces many challenges to efficiently express applications' intents and map them to different network capabilities. Therefore, in this work, we propose an AI-based framework for intent profiling and translation. We consider a scenario where applications interacting with the network express their needs for network services in their domain language. The machine-to-machine communication (i.e., between applications and the network) is complex since it requires networks to learn how to understand the domain languages of each application, which is neither practical nor scalable. Instead, a framework based on emergent communication is proposed for intent profiling, in which applications express their abstract quality-of-experience (QoE) intents to the network through emergent communication messages. Subsequently, the network learns how to interpret these communication messages and map them to network capabilities (i.e., slices) to guarantee the requested Quality-of-Service (QoS). Simulation results show that the proposed method outperforms self-learning slicing and other baselines, and achieves a performance close to the perfect knowledge baseline.
• Abstract（参考訳）: ネットワークアプリケーションの要求を効果的に表現し満足するために、意図に基づくネットワーク管理が有望なソリューションとして登場した。 意図に基づく手法では、ユーザとアプリケーションはネットワークへの高レベル抽象言語における意図を表現する。 この抽象化はネットワーク操作を単純化するが、アプリケーションの意図を効率的に表現し、異なるネットワーク機能にマップする多くの課題を引き起こす。 そこで本研究では,意図のプロファイリングと翻訳のためのAIベースのフレームワークを提案する。 ネットワークと対話するアプリケーションがドメイン言語におけるネットワークサービスのニーズを表現するシナリオを考察する。 マシン間通信(すなわちアプリケーションとネットワーク間の通信)は、実用的でもスケーラブルでもない各アプリケーションのドメイン言語を理解するためのネットワークを必要とするため、複雑である。 その代わり、創発的コミュニケーションに基づくフレームワークがインテントプロファイリングのために提案され、アプリケーションは創発的コミュニケーションメッセージを通じてネットワークに対するqoe(abstract quality-of-experience)インテントを表現する。 その後、ネットワークはこれらの通信メッセージを解釈し、要求されたサービス品質(qos)を保証するためのネットワーク機能(スライス)にマップする方法を学習する。 シミュレーションの結果,提案手法は自己学習スライシングやその他のベースラインよりも優れており,完全知識ベースラインに近い性能が得られることがわかった。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• Online Learning for Autonomous Management of Intent-based 6G Networks [39.135195293229444]
  本稿では,階層型マルチアームバンディットアプローチに基づくオンライン学習手法を提案する。 提案アルゴリズムは,資源配分と意図的期待の満足度に関する効果的なアプローチであることを示す。
  論文  参考訳（メタデータ） (2024-07-25T04:48:56Z)
• Open RAN LSTM Traffic Prediction and Slice Management using Deep Reinforcement Learning [7.473473066047965]
  本稿では,分散深部強化学習(DDRL)を用いたORANスライシングの新しい手法を提案する。 シミュレーションの結果,ネットワーク性能が著しく向上し,特に違反の低減が図られた。 これは、動的xAppの一部として、予測rAppと分散アクターの情報を共同で使用することの重要性を強調している。
  論文  参考訳（メタデータ） (2024-01-12T22:43:07Z)
• Enhancing Network Management Using Code Generated by Large Language Models [15.557254786007325]
  本稿では,大規模言語モデル(LLM)を用いて自然言語クエリからタスク固有コードを生成することにより,自然言語ベースのネットワーク管理エクスペリエンスを促進する新しいアプローチを提案する。 この方法は、ネットワークオペレーターが生成されたコードを検査できるようにすることで、説明可能性、スケーラビリティ、プライバシの課題に取り組む。 ベンチマークアプリケーションを用いてプロトタイプシステムを設計,評価し,高い精度,コスト効率,さらなる拡張の可能性を示す。
  論文  参考訳（メタデータ） (2023-08-11T17:49:15Z)
• On Modeling Network Slicing Communication Resources with SARSA Optimization [0.0]
  そこで我々は,ネットワークスライシングの概念モデルを提案し,そのモデルと最適化問題のいくつかの側面を定式化する。 次に,SARSAエージェントを用いて問題を解決し,概念実証のプロトタイプを実装することを提案した。
  論文  参考訳（メタデータ） (2023-01-11T20:00:42Z)
• Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
  本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。 まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。 意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
  論文  参考訳（メタデータ） (2022-11-25T19:03:25Z)
• Imitation Learning-based Implicit Semantic-aware Communication Networks: Multi-layer Representation and Collaborative Reasoning [68.63380306259742]
  有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。 本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。 暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
  論文  参考訳（メタデータ） (2022-10-28T13:26:08Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• 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)
• Common Language for Goal-Oriented Semantic Communications: A Curriculum Learning Framework [66.81698651016444]
  目標指向タスク実行を実現するための包括的セマンティックコミュニケーションフレームワークを提案する。 カリキュラム学習(CL)と強化学習(RL)を組み合わせた新しいトップダウンフレームワークを提案する。 シミュレーションの結果,提案手法は,学習中の収束時間,タスク実行時間,送信コストにおいて従来のRLよりも優れていた。
  論文  参考訳（メタデータ） (2021-11-15T19:13:55Z)

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。