基于认知不确定性估计的6G网络AI模型放置
网络与互联网体系结构
2024-02-20 v1
摘要
基于人工智能(AI)的虚拟网络功能(VNF)的采用已显著增长，这对在下一代6G网络中编排AI模型提出了关键挑战。由于AI模型引入了众多不确定因素，例如变化的计算资源消耗、动态的存储需求以及变化的模型性能，寻找最优的AI模型放置比放置传统的基于软件的VNF更具挑战性。为了解决不确定性下的AI模型放置问题，本文提出了一种新颖的方法，该方法采用了一种考虑不确定性估计的序列到序列(S2S)神经网络。S2S模型以其编码-解码架构为特征，旨在将包含多个AI模型的服务链作为输入，并生成每个AI模型的相应放置。为了应对引入的不确定性，我们的方法结合了用于不确定性估计的正交证书模块，并利用模糊逻辑进行不确定性表示，从而增强了S2S模型的能力。实验表明，所提出的方法在不同的AI模型配置、网络环境和服务链请求下均取得了有竞争力的结果。
引用
@article{arxiv.2402.11245,
title = {AI Model Placement for 6G Networks under Epistemic Uncertainty Estimation},
author = {Liming Huang and Yulei Wu and Juan Marcelo Parra-Ullauri and Reza Nejabati and Dimitra Simeonidou},
journal= {arXiv preprint arXiv:2402.11245},
year = {2024}
}