面向感知质量 IoE 服务交付的可解释人工智能框架
人工智能
2022-01-27 v1 机器学习
网络与互联网体系结构
摘要
第六代（6G）无线网络的核心愿景之一是汇聚人工智能（AI）以实现万物互联（IoE）的自主控制。特别地，必须通过分析 IoE 的上下文度量（如人、数据、过程和物）来维护 IoE 服务交付的质量。然而，当 AI 模型对网络服务提供商缺乏解释性和直观性时，挑战便随之产生。因此，本文提供了一种面向感知质量 IoE 服务交付的可解释人工智能（XAI）框架，其同时具备智能与可解释性。首先，通过考虑网络动态和 IoE 上下文度量，将感知质量 IoE 服务交付问题公式化，其目标是最大化每个 IoE 服务用户的信道质量指示（CQI）。其次，设计了一个回归问题来求解公式化问题，其中上下文矩阵的的可解释系数通过 Shapley 值解释进行估计。第三，通过采用基于集成的回归模型实现 XAI 赋能的感知质量 IoE 服务交付算法，以确保矩阵间上下文关系的可解释性并重新配置网络参数。最后，实验结果表明，AdaBoost 和 Extra Trees 的上行链路改善率分别为 42.43% 和 16.32%，而下行链路改善率分别达到 28.57% 和 14.29%。然而，基于 AdaBoost 的方法无法维持 IoE 服务用户的 CQI。因此，所提出的基于 Extra Trees 的回归模型在缓解准确性与可解释性之间的权衡方面表现出比其他基线显著的性能增益。
引用
@article{arxiv.2201.10822,
title = {An Explainable Artificial Intelligence Framework for Quality-Aware IoE Service Delivery},
author = {Md. Shirajum Munir and Seong-Bae Park and Choong Seon Hong},
journal= {arXiv preprint arXiv:2201.10822},
year = {2022}
}
备注
Accepted article by IEEE International Conference on Communications (ICC 2022), Copyright 2022 IEEE