Fugu-MT 論文翻訳(概要): On the Combination of AI and Wireless Technologies: 3GPP Standardization Progress

論文の概要: On the Combination of AI and Wireless Technologies: 3GPP Standardization Progress

arxiv url: http://arxiv.org/abs/2407.10984v1
Date: Mon, 17 Jun 2024 00:11:04 GMT
ステータス: 処理完了
システム内更新日: 2024-07-22 12:49:16.687420
Title: On the Combination of AI and Wireless Technologies: 3GPP Standardization Progress
Title（参考訳）: AIとワイヤレス技術の融合について:3GPP標準化の進展
Authors: Chen Sun, Tao Cui, Wenqi Zhang, Yingshuang Bai, Shuo Wang, Haojin Li,
Abstract要約: 人工知能(AI)と無線通信技術の組み合わせは、2030年に向けた主要な技術トレンドの1つになっている。 AIを使用して、無線伝送の効率を改善し、無線ネットワークによるAIデプロイメントをサポートする。
参考スコア（独自算出の注目度）: 13.799195145459972
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Combing Artificial Intelligence (AI) and wireless communication technologies has become one of the major technologies trends towards 2030. This includes using AI to improve the efficiency of the wireless transmission and supporting AI deployment with wireless networks. In this article, the latest progress of the Third Generation Partnership Project (3GPP) standards development is introduced. Concentrating on AI model distributed transfer and AI for Beam Management (BM) with wireless network, we introduce the latest studies and explain how the existing standards should be modified to incorporate the results from academia.
Abstract（参考訳）: 人工知能(AI)と無線通信技術の組み合わせは、2030年に向けた主要な技術トレンドの1つになっている。これには、AIを使用して無線伝送の効率を改善し、無線ネットワークによるAIデプロイメントをサポートすることが含まれる。本稿では,第3世代パートナーシッププロジェクト(GPP)標準開発の最新動向を紹介する。無線ネットワークによるAIモデル分散転送と,ビームマネジメント(BM)のためのAIに焦点を当てた最新の研究を紹介するとともに,学術的な成果を取り入れるために,既存の標準をどのように修正すべきかを解説する。

関連論文リスト

Generative AI for Data Augmentation in Wireless Networks: Analysis, Applications, and Case Study [59.780800481241066]
Generative Artificial Intelligence (GenAI) は、無線データ拡張の効果的な代替手段である。本稿では、無線ネットワークにおけるGenAI駆動型データ拡張の可能性と有効性について考察する。本稿では,Wi-Fiジェスチャー認識のための一般化拡散モデルに基づくデータ拡張フレームワークを提案する。
論文参考訳（メタデータ） (2024-11-13T05:15:25Z)
Strategic Demand-Planning in Wireless Networks: Can Generative-AI Save Spectrum and Energy? [17.59973153669422]
本稿では、需要ラベル付け、需要形成、需要再スケジューリングによる戦略的需要計画の概念を紹介する。 GenAIは、無線ネットワークにおける需要形成を容易にする強力なツールとして提案されている。 GenAIは、無線ネットワークのエネルギーとスペクトルを節約する機能を持つ。
論文参考訳（メタデータ） (2024-07-02T14:27:06Z)
Machine Learning & Wi-Fi: Unveiling the Path Towards AI/ML-Native IEEE 802.11 Networks [1.5999407512883512]
本稿では,現在のWi-FiネットワークにおけるAI/MLの役割について論じる。主な課題、標準化の取り組み、主要なイネーブラーについても論じられている。異なる採用段階において、Wi-FiにおけるAI/MLの可能性を示すための模範的なユースケースが提供される。
論文参考訳（メタデータ） (2024-05-19T10:12:20Z)
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)
Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文参考訳（メタデータ） (2023-07-14T04:13:11Z)
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)
Artificial Intelligence in Vehicular Wireless Networks: A Case Study Using ns-3 [18.54699818319184]
無線ネットワーク最適化のためのAIアルゴリズムを実装可能なns-3シミュレーションフレームワークを提案する。パイプラインは、(i)V2Xのための新しい幾何学ベースのモビリティ依存チャネルモデル、(ii)5G-NR準拠プロトコルスタックのすべての層、(iii)V2Xデータ伝送をシミュレートする新しいアプリケーションで構成される。
論文参考訳（メタデータ） (2022-03-10T16:20:54Z)
Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。人工知能(AI)は近年急速に成長し、成功している。 UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文参考訳（メタデータ） (2020-09-24T07:11:31Z)
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)
Communication-Efficient Edge AI Inference Over Wireless Networks [33.1306043471745]
我々は、低レイテンシでエネルギー効率のよいAIサービスを提供するために、ネットワークエッジにモデル推論を効率的に配置する原則を提示する。これには、低遅延デバイス分散モデル推論のための無線分散コンピューティングフレームワークと、エネルギー効率の良いエッジ協調モデル推論のための無線協調送信戦略が含まれる。
論文参考訳（メタデータ） (2020-04-28T08:04:06Z)
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。