深度生成模型及其在高效无线网络管理中的应用：教程与案例研究
网络与互联网体系结构
2023-03-31 v1 人工智能
机器学习
摘要
随着扩散模型与 ChatGPT 的惊人成功，深度生成模型（DGMs）自 2022 年起经历了爆发式增长。不仅限于内容生成，DGMs 还因其表征复杂模式与生成合理样本的卓越能力，被广泛用于物联网、元宇宙与数字孪生。在本文中，我们探索 DGMs 在一个关键任务中的应用，即提升无线网络管理的效率。具体而言，我们首先概述生成式 AI 以及三种具代表性的 DGMs。随后，提出一个 DGM 赋能的无线网络管理框架，其中我们详述了传统网络管理方法的问题、DGMs 为何能高效解决这些问题，以及将 DGMs 应用于无线网络管理的逐步工作流程。此外，我们以网络经济学为案例，使用最先进的 DGM 模型即扩散模型，来生成用于激励移动 AI 生成内容（AIGC）服务的有效合约。最后，我们讨论了进一步研究的重要开放方向。
引用
@article{arxiv.2303.17114,
title = {Deep Generative Model and Its Applications in Efficient Wireless Network Management: A Tutorial and Case Study},
author = {Yinqiu Liu and Hongyang Du and Dusit Niyato and Jiawen Kang and Zehui Xiong and Dong In Kim and Abbas Jamalipour},
journal= {arXiv preprint arXiv:2303.17114},
year = {2023}
}
备注
8 pages, 5 figures