应急计算：一种基于分层强化学习的自适应协同推理方法
人工智能
2024-02-08 v1 机器学习
网络与互联网体系结构
信号处理
摘要
在实现有效应急响应的过程中，及时获取环境信息、无缝的指挥数据传输以及迅速的决策至关重要。这需要建立一个具有弹性的应急通信专用网络，即使在缺乏基础基础设施的情况下也能提供通信与感知服务。在本文中，我们提出了一种具备感知、通信、计算、缓存与智能的应急网络（E-SC3I）。该框架融合了应急计算、缓存、通信感知一体化以及智能赋能机制。E-SC3I 确保了大量用户的快速接入、不稳定链路上的可靠数据传输以及不断变化环境中的动态网络部署。然而，这些优势是以巨大的计算开销为代价的。因此，我们专门关注应急计算，并提出了一种基于分层强化学习的自适应协同推理方法（ACIM）。实验结果表明，我们的方法能够在计算与通信资源受限的情况下实现 AI 模型的快速推理。
引用
@article{arxiv.2402.02146,
title = {Emergency Computing: An Adaptive Collaborative Inference Method Based on Hierarchical Reinforcement Learning},
author = {Weiqi Fu and Lianming Xu and Xin Wu and Li Wang and Aiguo Fei},
journal= {arXiv preprint arXiv:2402.02146},
year = {2024}
}