国际电信联盟机器学习-未来网络焦点组第一次会议圆满闭幕,我国全面参与各项工作

简介:

本次会议决定FG-ML5G将与全球机器学习和网络方面的相关组织建立联络关系,包括与3GPP,IEEE,ETSI,GSMA,ACM,AIIA等开展协同工作。

1月29日至2月3日,国际电信联盟机器学习-未来网络焦点组(FG-ML5G)第一次会议于瑞士日内瓦成功闭幕,会议为期五天,中国人工智能产业发展联盟(以下简称AIIA)副秘书长、中国信息通信研究院云大所所长何宝宏带队,AIIA总体组组长、国际电信联盟机器学习-未来网络焦点组副主席孙明俊,AIIA总体组副组长、中兴公司标准总监孟伟,AIIA电信项目组组长、中国信息通信研究院主任工程师程强,华为公司黄华、Debbah Merouane以及中国信息通信研究院工程师王蕴韬组团参加了会议,取得多项成果。

国际电信联盟机器学习-未来网络焦点组第一次会议圆满闭幕,我国全面参与各项工作

本次会议就焦点组组织架构、工作组设置、相关工作内容等达成了一致。焦点组将设置“使用案例、服务及需求”、“数据格式及机器学习技术”以及“机器学习相关网络架构”三个工作组,分别从案例、数据、技术、网络架构等维度探讨机器学习应用于未来网络中的标准化问题。经与会代表选举及管理层讨论,来自中兴的孟伟担任机器学习相关网络架构工作组组长,将就机器学习应用于网络运维优化,分析其对包括网络架构影响等方面的标准化工作进行牵头推进。

国际电信联盟机器学习-未来网络焦点组第一次会议圆满闭幕,我国全面参与各项工作

本次会议我代表团就研究组架构、各工作组内容、机器学习应用于未来网络等多项议题进行了积极深入地讨论,孙明俊副主席就各研究组研究范畴定义以及组长设置等重要问题提出了关键性建议并得到通过,程强组长介绍了人工智能技术应用于网络技术的先进经验,得到了广泛关注。

我代表团共提交介绍了来自中国信息通信研究院、三大运营商以及中兴公司的六篇文稿,就机器学习应用与未来网络应用案例、焦点组研究内容等内容进行了阐述,相关内容均被收入对口工作组的工作报告中。

国际电信联盟机器学习-未来网络焦点组第一次会议圆满闭幕,我国全面参与各项工作

本次会议决定FG-ML5G将与全球机器学习和网络方面的相关组织建立联络关系,包括3GPP,IEEE,ETSI,GSMA,ACM,AIIA等开展协同工作。中国信息通信研究院王蕴韬确定担任AIIA联络员。

本次会议就通信网络基础设施无法有效满足机器学习技术使用条件现状,焦点组聚焦研究内容范畴,数据在机器学习应用中的重要性以及标准化缺失阻碍机器学习技术应用等方面判断和需求达成一致共识,同时决定焦点组将致力于解决工业界使用人工智能技术遇到的技术及数据障碍进行相关标准制定,并针对不同案例应用输出技术报告以起到规范行业,引领发展的作用。

FG-ML5G第二次会议将于4月24日至4月27日在我国举行,届时来自国际电信联盟、德国弗朗霍夫赫兹研究所以及世界各国人工智能及电信领域专家及企业家将齐聚我国,就人工智能应用案例、需求、数据格式、机器学习技术以及机器学习技术对网络架构影响等方面内容进行近一步的讨论交流。


原文发布时间: 2018-02-07 15:58
本文作者: 巫盼
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
9月前
|
云安全 人工智能 安全
构建云上安全共同体 | 阿里云亮相2024年(第十三届)电信和互联网行业网络安全年会
构建云上安全共同体 | 阿里云亮相2024年(第十三届)电信和互联网行业网络安全年会
|
9月前
|
机器学习/深度学习 数据采集 运维
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
442 19
|
9月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
本项目展示了人脸识别算法的运行效果(无水印),基于MATLAB2022A开发。核心程序包含详细中文注释及操作视频。理论部分介绍了广义回归神经网络(GRNN)、概率神经网络(PNN)、深度神经网络(DNN)和反向传播(BP)神经网络在人脸识别中的应用,涵盖各算法的结构特点与性能比较。
|
10月前
|
机器学习/深度学习 边缘计算 运维
机器学习在网络安全中的防护:智能化的安全屏障
机器学习在网络安全中的防护:智能化的安全屏障
482 15
|
11月前
|
人工智能 搜索推荐 决策智能
不靠更复杂的策略,仅凭和大模型训练对齐,零样本零经验单LLM调用,成为网络任务智能体新SOTA
近期研究通过调整网络智能体的观察和动作空间,使其与大型语言模型(LLM)的能力对齐,显著提升了基于LLM的网络智能体性能。AgentOccam智能体在WebArena基准上超越了先前方法,成功率提升26.6个点(+161%)。该研究强调了与LLM训练目标一致的重要性,为网络任务自动化提供了新思路,但也指出其性能受限于LLM能力及任务复杂度。论文链接:https://arxiv.org/abs/2410.13825。
216 12
|
机器学习/深度学习 人工智能 数据挖掘
打破传统:机器学习与神经网络获2024年诺贝尔物理学奖引发的思考
诺贝尔物理学奖首次授予机器学习与神经网络领域,标志该技术在物理学研究中的重要地位。本文探讨了这一决定对物理学研究的深远影响,包括数据分析、理论物理突破及未来科研方向的启示,同时分析了其对学术跨界合作与全球科研产业的影响。
228 4
|
机器学习/深度学习 数据采集 算法
机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用
医疗诊断是医学的核心,其准确性和效率至关重要。本文探讨了机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用。文章还讨论了Python在构建机器学习模型中的作用,面临的挑战及应对策略,并展望了未来的发展趋势。
773 1
|
机器学习/深度学习 自然语言处理 算法
深入理解机器学习算法:从线性回归到神经网络
深入理解机器学习算法:从线性回归到神经网络
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
225 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练

热门文章

最新文章