跳到正文
arXiv · ML· Langtian Qin, Avishkar Dnyaneshwar Kawadgave, Ian Andrew Harshbarger, Le\"ila Nasraoui, Carla Fabiana Chiasserini, Marco Levorato·· 13 小时前AI 评分24

OMNIS+:面向动态分割神经网络的语义 RAN 切片与量化框架

OMNIS+: Semantic RAN Slicing and Quantization for Dynamic Split Neural Networks

AI 导读

提出 OMNIS+ 框架,结合动态神经压缩与自适应量化实现语义 RAN 切片,支持多蜂窝边缘计算。 采用新型“box”量化方案增强抗传输比特错误能力,通过多智能体分布式优化解决 QoS 与队列稳定性约束下的推理精度最大化问题。 相比基线,OMNIS+ 将 QoS 违规概率降低最多 1.75 倍,实现更优的精度-违规权衡。

来源:arXiv · ML · arxiv.org