XiaoMi-AI文件搜索系统
World File Search SystemB5G
空地一体化网络的生成式人工智能
摘要 — 近年来，生成式人工智能技术成为人工智能领域的一项重大进步，以其语言和图像生成能力而闻名。同时，天空地一体化网络 (SAGIN) 是未来 B5G/6G 实现无处不在的连接的重要组成部分。受此启发，本文探讨了生成式人工智能在 SAGIN 中的集成，重点关注潜在应用和案例研究。我们首先全面回顾了 SAGIN 和生成式人工智能模型，重点介绍了它们的能力和集成机会。得益于生成式人工智能生成有用数据和促进高级决策过程的能力，它可以应用于 SA-GIN 的各种场景。因此，我们对它们的集成进行了简要概述，包括信道建模和信道状态信息 (CSI) 估计、联合空天地资源分配、智能网络部署、语义通信、图像提取和处理、安全和隐私增强。接下来，我们提出了一个利用生成扩散模型 (GDM) 构建通道信息图的框架，以提高 SAGIN 的服务质量。仿真结果证明了所提框架的有效性。最后，我们讨论了生成 AI 支持的 SAGIN 的潜在研究方向。
AI和6G到Metaverse
摘要以来，由于Facebook更名为元，因此对元评估是什么，其工作原理以及利用它的可能方法进行了很多关注，辩论和探索。预计，元评估将是快速新兴技术，用户酶，能力和经验的连续性，这些技术将弥补这一目标的下一个互联网发展。几位研究人员已经调查了有关人工智能（AI）和无线通信的文献，以实现元评估。然而，由于技术的快速出现和持续发展，需要对AI，6G和两者在实现元元体验中的作用以及两者之间的作用进行全面和深入的调查。因此，在这项调查中，我们首先介绍了增强现实（AR），虚拟现实（VR），混合现实（MR）和空间计算的背景和持续进展，然后是AI和6G的技术方面。然后，我们通过审查深度学习，计算机视觉和边缘AI中最新的AI来调查AI在元评估中的作用，以提取元元中6G的要求。接下来，我们调查了B5G/6G对Metaverse的有希望的服务，然后确定AI在6G网络和6G网络中的作用，用于支持元化应用程序，以及在Metaverse中对可持续性的需求。最后，我们征集了现有的和潜在的应用程序，用户酶和项目，以突出元元中进步的重要性。此外，为了向研究人员提供潜在的研究方向，我们强调了从上述技术的文献综述中汲取的挑战，研究差距和经验教训。
具有人工智能的意图定义光网络-...
摘要 传统上，光网络的运行和维护依赖于工程师的经验来配置网络参数，涉及命令行界面、中间件脚本和故障排除。然而，随着 B5G 新型应用的出现，传统的配置方式无法满足实时自动配置的要求。运营商需要一种无需在底层光传送网上进行人工干预的新配置方式。为了解决这个问题，我们提出了一种面向服务目标的基于人工智能的光网络自动化运维的意图定义光网络 (IDON) 架构，通过以定制的方式引入自适应生成和优化 (SAGO) 策略。IDON 平台有三个关键创新，包括面向意图的配置翻译、自适应生成和优化策略以及闭环意图保证操作。IDON 专注于通信需求，使用自然语言处理来构建语义图以理解、交互和创建所需的网络配置。然后，利用深度强化学习 (DRL) 通过细粒度策略的动态集成来找到满足意图要求的组合策略。最后，引入深度神经进化网络 (DNEN) 来实现毫秒级的意图保证。在增强型 SDN 测试平台上验证了可行性和效率。最后，我们讨论了揭示意图定义光网络未来前景的几个相关挑战和机遇。
硕士论文主题在安全，超可信，低...
随着量子计算机的出现，PLS仅利用传输方的物理层的资源，并提供了理论上的信息，因此已被认为是一种有吸引力的技术，用于保护B5G/6G无线通信系统中的机密数据。此类通信系统使用信息理论方法来保证无条件的数据安全性，即，它们在不限制计算资源的情况下安全地抵抗对手。PLS上的先前作品主要基于非构建性随机编码参数，以建立理论结果。这样的结果表明，可以找到传输最高量的安全信息的编码方案。仍然，这种非构造方法的实际实用性很少。在现实世界应用中，实用的物理层安全性构建值得更多的关注。不幸的是，现有的PLS编码解决方案无法满足短包通信的严格延迟和可靠性要求，因为PLS上的大多数先前的工作仅在可以使用任意大型编码块长度的情况下为安全通信方案提供了不切实际的解决方案。我们目前有兴趣使用信息理论和编码技术开发实用有效的信息在理论上安全可靠的通信方案，以防止窃听攻击。我们旨在设计有限的长度和晶格代码的安全编码方案，以确保授权各方之间的超级可靠和低延迟通信，同时阻止对抗性窃听者学习传播消息。
智慧城市的未来：机器学习和人工智能的作用 I. Venkata Dwaraka Srihith 1*、I. Venkata Siva Kumar 1、R. Varapr
智慧城市的未来：机器学习和人工智能的作用 I. Venkata Dwaraka Srihith 1* , I. Venkata Siva Kumar 1 , R. Varaprasad 2 , Y. Rama Mohan 2 , T. Aditya Sai Srinivas 2 , Y. Sravanthi 3 1 Alliance University, Alliance University - Central Campus, Chikkahadage Cross Chandapura-Anekal, Main Road, Bengaluru, Karnataka 562106, India 2 G. Pulla Reddy Engineering College, Near Pasupula Village, Kurnool - Nandyal, Main Road, Kurnool, Andhra Pradesh 518007, India 3 独立研究员 *通讯作者：I. Venkata Dwaraka Srihith Alliance University, Alliance University - Central Campus, Chikkahadage Cross Chandapura-Anekal, Main Road,班加罗尔、卡纳塔克邦562106，印度 文章历史 收到日期：2022 年 8 月 17 日 接受日期：2022 年 9 月 23 日 发表日期：2022 年 9 月 30 日 摘要：“智慧城市”的目标包括减轻城市化进程带来的负担、减少能源消耗、保护环境、促进当地经济和人民生活水平，以及促进更广泛地获取和使用尖端信息和通信技术 (ICT)。在智慧城市中，ICT 对于政策制定、决策、计划执行和有用服务的提供至关重要。本分析的主要目标是研究人工智能和机器学习所起的作用。教育技术的例子包括深度强化学习 (DRL) 和机器学习 (ML)。在复杂的智慧城市环境中，上述方法可用于制定最佳规则。本文详细讨论了智能交通、网络安全、智能电网 (SG) 的节能使用、无人机 (UAV) 的高效使用以确保最佳的 5G 和超 5G (B5G) 通信以及智能健康监测。最后，我们讨论了尚未解决的研究挑战以及可能使“智慧城市”概念更接近实现的未来研究方向。关键词：物联网 (IoT)、智慧城市、机器学习 (ML)、人工智能 (AI)、5G。I. 简介