知识迁移与重用：无线接入网切片中人工智能驱动的资源管理案例研究

高效的资源管理方案对于在 5G 网络和设想的 6G 网络中实现网络切片至关重要，而人工智能（AI）技术提供了有前景的解决方案。考虑到图学习、联邦学习和迁移学习等快速涌现的新型机器学习技术，需要及时进行综述，以概述 AI 驱动的无线网络中的资源管理和网络切片技术。本文提供了这样一份综述，并介绍了知识迁移在无线接入网（RAN）切片中的应用。特别是，我们首先提供了一些关于资源管理和网络切片的背景知识，并回顾了相关的最先进的 AI 和机器学习（ML）技术及其应用。然后，我们介绍了我们提出的 AI 驱动的知识迁移与重用资源管理（AKRM）方案，在该方案中，我们应用迁移学习来提高系统性能。与大多数现有工作侧重于从头开始训练独立智能体不同，AKRM 的主要区别在于其在不同任务之间的知识迁移和重用能力。本文旨在为研究人员在 AI 驱动的无线网络中使用知识迁移方案提供一个路线图，并提供了关于 RAN 切片中资源分配问题的案例研究。