从数据生命周期视角看未来无线网络中 AI 的赋能
计算机视觉与模式识别
2020-03-31 v2
摘要
近年来移动计算与物联网（IoT）网络快速部署，主要归因于无线系统日益增长的通信与感知能力。大数据分析、普适计算，并最终人工智能（AI）有望部署于 IoT 之上，创造一个以数据驱动的 AI 为特征的新世界。在此背景下，一种融合 AI 与无线通信的新范式——无线 AI，将 AI 前沿推进至网络边缘，被广泛视为未来智能网络演进的关键赋能者。为此，我们从数据驱动视角对无线 AI 的最新研究进行了全面综述。具体而言，我们首先提出一种新颖的无线 AI 架构，涵盖无线网络中五个关键数据驱动 AI 主题，包括感知 AI、网络设备 AI、接入 AI、用户设备 AI 与数据溯源 AI。然后，针对每个数据驱动 AI 主题，我们概述了使用 AI 方法解决新兴数据相关问题，并展示 AI 如何赋能无线网络功能。特别地，相较于其他相关综述论文，我们深入讨论了无线 AI 在各数据驱动域中的应用，其中 AI 被证明对无线网络设计与优化极为有用。最后，还讨论了研究挑战与未来愿景，以激励该新兴领域的进一步研究。
引用
@article{arxiv.2003.00867,
title = {Learning Texture Invariant Representation for Domain Adaptation of Semantic Segmentation},
author = {Myeongjin Kim and Hyeran Byun},
journal= {arXiv preprint arXiv:2003.00867},
year = {2020}
}
备注
2020 CVPR