تعامل بین هوش مصنوعی و شبکه های دسترسی رادیویی مه

هر فعل و انفعال بین هوش مصنوعی ( AI )و شبکههای دسترسی رادیویی مه ( F - طناب) در این تحقیق از دو دیدگاه مورد بررسی قرار گرفته است: چگونه F - طناب AI سلسله مراتبی را قادر میسازد تا در شبکه های بیسیم مستقر شود و چگونه AI ، F - طناب را برای خدمت بهتر به دستگاههای تلفن همراه هوشمندتر میکند. با توجه به عدم تجانس قابلیت پردازش، لایه های ابر، مه و دستگاه در F - طناب، هوش سلسله مراتبی را از طریق یادگیری متمرکز، توزیعشده و مشارکتی فراهم میکنند. علاوه بر این، یادگیری میان لایهای نیز برای کاهش بیشتر تقاضا برای اندازه حافظه دستگاههای تلفن همراه معرفی شدهاست. از سوی دیگر، AI با فنآوریها و روشهایی برای مقابله با داده های گسترده و تصمیمگیریهای هوشمندتر، F - طناب را فراهم میکند. به طور خاص، ابزارهای یادگیری ماشین مانند شبکههای عصبی عمیق برای پردازش داده ها معرفی شدهاند، در حالی که الگوریتم های یادگیری تقویتی ( RL ) برای بهینهسازی شبکه و تصمیمات اتخاذ شدهاند. سپس، دو مثال از کاربردهای مبتنی بر AI در F - رانها، یعنی نظارت بر سلامت و سیستمهای حمل و نقل هوشمند، ارائه شدهاست، که به دنبال آن یک مطالعه موردی از یک کاربرد ذخیره سازی مبتنی بر RL در حضور محتوای ناشناخته فضایی - زمانی برای نشان دادن پتانسیل اعمال AI به F - رده ها ارائه شده است.

کلیدواژه ها:

هوش مصنوعی ( AI ) ، شبکه دسترسی رادیویی مه ( F - RAN ) ، فراگیری ماشین ، بهینه سازی شبکه.