Граничное обучение для сетей B5G с распределённой обработкой сигналов: семантическая связь, периферийные вычисления и беспроводное зондирование
Edge Learning for B5G Networks With Distributed Signal Processing: Semantic Communication, Edge Computing, and Wireless Sensing
2023-01-01
SCID: 54.1/ews5xzkb
Discuss with AI
распределённая обработка сигналовграничные вычисленияграничное обучениесемантическая связьбеспроводное зондирование
Figures from the paper
Abstract (AI)
Для обработки и передачи больших объёмов данных в развивающихся беспроводных сервисах всё более привлекательным становится использование распределённых передачи данных и обучения. В частности, граничное обучение (edge learning, EL) обеспечивает локальное обучение моделей на географически распределённых периферийных узлах и снижает необходимость частого обмена данными. Однако современный подход, при котором развёртывание EL отделено от оптимизации связи, пока не позволяет реализовать заявленные преимущества распределённой обработки сигналов и может приводить к чрезмерным сигнальным накладным расходам, большой задержке обработки и нестабильной сходимости обучения. В данной статье представлен обзор практических методов распределённого EL и их взаимодействия с передовыми подходами к оптимизации связи. В частности, рассматриваются типичные показатели эффективности двуфункциональных сетей обучения и связи. Кроме того, проведён обзор последних достижений в области методов, обеспечивающих двуфункциональное проектирование, с примерами, рассматриваемыми с взаимодополняющих позиций «связь для обучения» и «обучение для связи». Также рассматриваются перспективы применения методов EL в различных будущих системах связи для беспроводных сетей за пределами 5G (B5G). Для целеориентированной семантической связи впервые представлена математическая модель целевой энтропии источника в виде задачи оптимизации. Кроме того, с позиций теории информации сформулированы фундаментальные открытые задачи, связанные с характеристикой областей достижимых скоростей для сетей связи, поддерживающих распределённые задачи обучения и вычислений. Также представлены технические проблемы и новые возможности применения в этой области с целью стимулировать дальнейшие исследования и содействовать широкому развитию EL в сетях B5G.
Key Findings
1
Для целеориентированной семантической связи предложена первая математическая постановка целевой энтропии источника в виде задачи оптимизации.
2
Методы обеспечения такой интеграции систематизируются с взаимодополняющих позиций «коммуникации для обучения» и «обучение для коммуникаций», включая применения в будущих сетях B5G.
3
Раздельное проектирование развертывания периферийного обучения и оптимизации связи может приводить к избыточным сигнальным расходам, большим задержкам обработки и нестабильной сходимости обучения.
4
Сформулированы информационно-теоретические открытые проблемы определения областей достижимых скоростей для сетей, поддерживающих распределённые задачи обучения и вычислений.
5
В статье рассматриваются практические методы распределённого периферийного обучения и их интеграция с передовой оптимизацией связи в сетях, одновременно поддерживающих обучение и коммуникацию.
Research Object
Граничное обучение в беспроводных сетях за пределами 5G (B5G) с распределённой обработкой сигналов
Research Subject
Взаимодействие распределённого граничного обучения и оптимизации коммуникаций, включая показатели эффективности, сигнальные издержки, задержку обработки, сходимость обучения, семантическую связь, граничные вычисления и беспроводное зондирование
Publication Details
Publication Date
2023-01-01
Journal
Publisher
ISSN
Cited by
776
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai6
Элементы теории информации2001
Обзор мобильных периферийных вычислений: коммуникационный аспект2017
Система нейронного машинного перевода Google: сокращение разрыва между человеческим и машинным переводом2016
Граничный искусственный интеллект для сетей 6G: концепция, ключевые технологии и приложения2021
Сквозная оценка федеративного и разделённого обучения для Интернета вещей2020
Подробное сравнение эффективности коммуникации при раздельном и федеративном обучении2019
Работы, цитирующие эту статью3
Энергоэффективная семантическая связь в беспроводных сетях с разделением скоростей передачи2023
Объяснимый искусственный интеллект в Интернете вещей (IoT): обзор, современное состояние и перспективные направления2022
Федеративное обучение для обеспечения безопасности сетей 6G: обзор угроз, решений и направлений исследований2026