面向边缘机器学习的数据重要性感知无线资源管理综述
信息论
2019-12-10 v2 机器学习
math.IT
摘要
连接数十亿物联网（IoT）设备的 5G 网络将使得收集海量实时移动数据成为可能。此外，5G 虚拟化架构将实现（网络）边缘的云计算。边缘丰富的计算资源与数据可用性促使互联网公司在边缘部署人工智能（AI），催生了边缘 AI 这一热点领域。边缘学习（本项目的主题）关注边缘 AI 模型的训练，赋予 IoT 设备响应实时事件的智能。然而，从众多边缘设备向服务器传输高维数据会导致过高的通信延迟，成为边缘学习的瓶颈。传统仅面向无线接入的无线技术难以应对该挑战。为克服通信瓶颈，一类称为数据重要性感知无线资源管理（RRM）的新型智能 RRM 技术得以发展。其设计特点是主动机器学习与无线通信的交叉。具体而言，主动学习中衡量数据重要性的指标（如分类不确定性和数据多样性）被应用于 RRM，以在无线网络中高效获取分布式数据，从而在服务器端训练 AI 模型。本文旨在介绍这一新兴的重要性感知 RRM 领域。为此，我们将介绍其设计原则、综述该领域的近期进展、讨论若干设计实例，并提出一些有前景的研究机会。
引用
@article{arxiv.1911.03878,
title = {An Overview of Data-Importance Aware Radio Resource Management for Edge Machine Learning},
author = {Dingzhu Wen and Xiaoyang Li and Qunsong Zeng and Jinke Ren and Kaibin Huang},
journal= {arXiv preprint arXiv:1911.03878},
year = {2019}
}
备注
This work is an invited paper for Journal of Communications and Information Networks