6G联邦边缘学习新范式:基于任务导向的资源管理策略
作者机构：中国信息通信研究院移动通信创新中心北京100191 北京大学电子学院北京100871 广东工业大学信息工程学院广东广州510006 深圳市大数据研究院广东深圳518172
基 金：国家重点研发计划基金资助项目(No.2020YFB1807100) 国家自然科学基金资助项目(No.62001310) 广东省基础与应用基础研究基金资助项目(No.2022A1515010109)
出 版 物：《通信学报》 (Journal on Communications)
年 卷 期：2022年第43卷第6期
页 码：16-27页
摘 要：综述了面向6G的联邦边缘学习技术,能够充分利用分布在网络边缘的丰富数据使之服务于人工智能模型训练,以联邦边缘学习为代表的边缘智能技术应运而生,其中无线资源管理策略将以最优化任务学习性能为导向,例如优化模型训练时间、学习收敛性等,从而实现从通信导向到任务导向的设计范式变革。首先,概述了联邦边缘学习基本概念、典型应用场景及其在无线资源管理中的关键问题。然后,以联邦边缘学习中带宽资源分配和用户调度策略为典型的资源管理案例,深入阐述了基于任务导向的设计范式思想。最后,对联邦边缘学习的未来潜在研究方向进行了展望,包括与无线空中计算、通信感知一体化等全新技术的融合赋能。
主 题 词：6G智能网络 任务导向的联邦边缘学习 资源管理策略 用户调度策略
学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001]
核心收录：
D O I：10.11959/j.issn.1000−436x.2022128
馆 藏 号：203113088...
