边缘无线网络智能
信息论
2019-09-13 v2 机器学习
网络与互联网体系结构
math.IT
摘要
在更多数据和算力的推动下，近期基于云的机器学习（ML）的突破已改变了我们生活的方方面面，从人脸识别、医疗诊断到自然语言处理。然而，经典 ML 对能耗、内存和计算资源提出了严苛要求，限制了其在资源受限的边缘设备上的应用。新一代智能设备和高风险应用（无人机、增强/虚拟现实、自主系统等）需要一种新颖的范式转变，要求在无线网络边缘实现分布式、低延迟且可靠的 ML（称为边缘 ML）。在边缘 ML 中，训练数据不均匀地分布在大量边缘节点上，这些节点仅能访问极小部分数据。此外，训练和推理通过无线链路集体执行，边缘设备相互通信并交换其学到的模型（而非私有数据）。作为首篇此类工作，本文探讨了边缘 ML 的关键构建模块、不同的神经网络架构切分及其固有权衡，以及源自广泛数学学科的理论与技术赋能因素。最后，给出了若干面向各类高风险应用的案例研究，展示了边缘 ML 在释放 5G 及更先进技术全部潜力方面的有效性。
引用
@article{arxiv.1812.02858,
title = {Wireless Network Intelligence at the Edge},
author = {Jihong Park and Sumudu Samarakoon and Mehdi Bennis and Mérouane Debbah},
journal= {arXiv preprint arXiv:1812.02858},
year = {2019}
}
备注
34 pages, 31 figures, 2 tables; to appear in the Proceedings of the IEEE