摘要 —边缘智能利用网络边缘的计算资源为网络用户提供人工智能 (AI) 服务。由于边缘智能能够实现快速推理和分布式学习,因此有望成为 6G 网络的重要组成部分。在本文中,我们研究了支持边缘智能的 AI 服务配置。首先,我们介绍 AI 服务的特点和要求。然后,我们介绍 AI 服务数据管理,并为 AI 服务定制网络切片。具体而言,我们提出了一种新颖的资源池方法来共同管理 AI 服务的服务数据和网络资源。跟踪驱动的案例研究证明了所提出的资源池方法的有效性。通过这项研究,我们说明了在网络边缘提供 AI 服务的必要性、挑战和潜力。
1 鲁汶天主教大学发育与再生系子宫内膜、子宫内膜异位症和生殖医学实验室 2 比利时鲁汶天主教大学脑与疾病研究中心 VIB-鲁汶离子通道研究实验室和鲁汶天主教大学分子医学系
摘要 — 电信网络正在经历一场颠覆性的转变,转向在用户附近具有虚拟化网络功能 (VNF)(例如防火墙、入侵检测系统 (IDS) 和转码器)的分布式移动边缘网络。这一转变将使网络服务(尤其是物联网应用)能够作为具有一系列 VNF 的网络切片进行配置,以保证其连续数据和控制流的性能和安全性。在本文中,我们研究了边缘网络中物联网应用多播流量的延迟感知网络切片问题。我们首先通过将问题转化为整数线性规划 (ILP) 来提出精确解。我们进一步设计了一种具有近似比的近似算法,用于单个多播切片的延迟感知网络切片问题,目标是在网络切片的延迟要求约束下最小化其实施成本。给定多个多播切片请求,我们还提出了一种有效的启发式算法,通过探索总计算资源需求和延迟要求之间的非平凡相互作用的影响,可以接纳尽可能多的用户请求。然后,我们研究了具有给定延迟保证级别的延迟导向网络切片问题,考虑到不同类型的物联网应用具有不同级别的延迟要求,我们提出了一种基于强化学习 (RL) 的有效启发式算法。最后,我们通过模拟和在实际测试平台上的实现来评估所提算法的性能。实验结果表明,所提出的算法很有前景。
增材制造的一个基本步骤是切片。切片是将 3D 网格转换为一组包含构建对象所需所有路径的图层。切片过程通常被视为连续增材制造工作流程中的一个步骤:在 CAD 中设计一个对象,切片,然后将 G 代码发送到增材制造系统进行构建。虽然成功了,但此工作流程存在局限性,例如利用传感器反馈来改变路径。为了解决局限性并更好地利用工业 4.0 革命带来的机遇,橡树岭国家实验室的研究人员开发了一种新的切片机 ORNL Slicer 2.0。Slicer 2.0 的开发采用了“按需”切片的概念,切片机在对象构建中发挥了更积极的作用。在本文中,我们描述了这种新方法的基本设计理念以及 Slicer 2.0 框架。
脑肿瘤是最常见的、最严重的癌症类型,大多数晚期患者的预期寿命只有几个月。因此,制定最佳治疗方案对于提高患者的抗癌能力和生活质量至关重要。各种成像方式,如计算机断层扫描 (CT)、磁共振成像 (MRI) 和超声成像,通常用于评估脑肿瘤。这项研究提出了一种提取和分类 3D 脑切片图像中肿瘤特征的新技术。对输入图像进行去噪、调整大小和平滑处理后,使用感兴趣体积 (VOI) 提取脑肿瘤的特征。然后使用基于表面、曲线和几何图案的可变形分层启发式模型-深度反卷积残差网络 (DHHM-DDRN) 对提取的特征进行分类。实验结果表明,所提出的方法对脑癌特征的分类准确率为 95%,DSC 为 83%,精确率为 80%,召回率为 85%,F1 得分为 55%。
这些信号可以是动作电位(单个尖峰或群体尖峰)或由同步兴奋性和/或抑制性突触传递引起的神经元膜电位变化。在海马体、皮质和小脑等大脑结构中,神经元以众所周知的层状排列。因此,可以使用一个或两个 MEA 电极刺激一组神经元,而连接神经元的相应“响应”可以由距离刺激点几百微米或毫米的另一组电极记录。在这种情况下,可以记录兴奋性突触后电位 (EPSP),因为来自特定区域的神经元组通常会在响应单个刺激时显示同步且可重复的活动。
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
免责声明 本文档仅供一般参考之用。它旨在适用于各种实际情况和行业利益相关者。本文档中的指南基于出版时存在的知识和推荐做法“按原样”提供。读者应咨询各自的网络管理员和信息安全人员,以获得适用于其个人情况的建议。在任何情况下,美国政府均不对因使用或依赖本指南而造成的任何损害负责。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务,并不构成或暗示美国政府对其的认可、推荐或支持,本指南不得用于广告或产品代言目的。所有商标均为其各自所有者的财产。