面向 6G 网络迁移学习的神经网络架构搜索
网络与互联网体系结构
2024-06-05 v1 人工智能
机器学习
摘要
未来 6G 网络将是 AI 原生网络， ML 模型将在支撑性能优化、降低能耗以及应对日益增长的复杂性和异构性方面发挥重要作用。一个关键挑战是自动化寻找满足来自不同任务、基础设施和部署位置所需资源动态变化约束条件的最优模型架构。本文描述并综述了神经网络架构搜索(NAS)和迁移学习(TL)的最新进展及其在网络领域的适用性。进一步指出了开放的研究挑战，并聚焦于三个具有未来网络独特要素的主要要求，即组合 NAS 与 TL、多目标搜索和表格数据。最后，概述并讨论了近期和长期工作。
引用
@article{arxiv.2406.02333,
title = {Towards Neural Architecture Search for Transfer Learning in 6G Networks},
author = {Adam Orucu and Farnaz Moradi and Masoumeh Ebrahimi and Andreas Johnsson},
journal= {arXiv preprint arXiv:2406.02333},
year = {2024}
}