• 

  Jianwei Huang

  Vice President, 优德官网; Presidential Chair Professor, CUHK-Shenzhen; Editor-in-Chief, IEEE TNSE; IEEE Fellow; AAIA Fellow

  Executive Chair

  Bio

  Abstract
• 

  Yang Yang

  特斯联科技集团首席科学家、鹏城实验室兼聘研究员、深圳市智慧都会科技生长集团有限公司高级照料专家、IEEE Fellow、IEEE TNSE“移动网络与网络学习”领域编辑

  Network AI Architecture for Everyone-Centric Customized Services

  Bio

  杨旸，，，，，，，，博士，，，，，，，，IEEE Fellow，，，，，，，，现任特斯联科技集团首席科学家，，，，，，，，鹏城实验室兼聘研究员，，，，，，，，深圳市智慧都会科技生长集团有限公司高级照料专家。。。。。。曾任上？？？？？？？？萍即笱Ы淌凇⒖频朗樵涸撼ぁ⑸虾Ｎ砼趟闶笛槭抑魅；；；；；；科技部“第五代移动通讯系统（5G）前期研究开发”重大项目总体专家组专家；；；；；；国家科技重大专项“新一代宽带无线移动通讯网”总体组专家；；；；；；中科院上海微系统与信息手艺研究所研究员、福州物联网开放实验室首席手艺官、中科院无线传感网与通讯重点实验室主任、上海无线通讯研究中心主任。。。。。。研究领域包括5G/6G移动通讯系统、智能物联网、多条理算力网络，，，，，，，，开放无线测试验证平台等。。。。。。已申请了120多项科技发明专利（已授权80多项），，，，，，，，揭晓了300多篇学术论文，，，，，，，，出书了六部中英文专著。。。。。。

  杨旸在1996年和1999年于东南大学无线电工程系获本科和硕士学位，，，，，，，，2002年于香港中文大学信息工程系获博士学位。。。。。。之后，，，，，，，，留在香港中文大学信息工程系担当助理教授。。。。。。2003年8月到英国布鲁奈尔大学（Brunel University）的电子与盘算机工程系担当讲师。。。。。。2005年3月到英国伦敦大学学院（UCL）电子与电气工程系担当讲师，，，，，，，，后升职为高级讲师（终生教职）。。。。。。杨旸牵头肩负了国家科技重大专项（03专项）、国家863妄想、国家自然科学基金重点等一系列前沿课题研究。。。。。。由于科研业绩突出，，，，，，，，杨旸获选国际电气与电子工程师协会会士（IEEE Fellow）、上海市“优异学术带动人”和“领武士才”等声誉，，，，，，，，他牵头的“宽带无线传感网”科研团队入选为科技部立异人才推进妄想“重点领域立异团队”声誉。。。。。。现在，，，，，，，，依托深圳市智慧都会科技生长集团有限公司，，，，，，，，杨旸牵头肩负了国家重点研发妄想“物联网与智慧都会要害手艺及树模”重点专项项目《面向大湾区智慧都会群的5G泛在物联基础设施建设及树模（2020-2023）》。。。。。。

  Abstract

  Mobile communication standards were developed for enhancing transmission and network performance by using more radio resources and improving spectrum and energy efficiency. How to effectively address diverse user requirements and guarantee everyone's Quality of Experience (QoE) remains an open problem. The Sixth Generation (6G) mobile systems will solve this problem by utilizing heterogenous network resources and pervasive intelligence to support everyone-centric customized services anywhere and anytime. In this talk, we first coin the concept of Service Requirement Zone (SRZ) on the user side to characterize and visualize the integrated service requirements and preferences of specific tasks of individual users. On the system side, we further introduce the concept of User Satisfaction Ratio (USR) to evaluate the system’s overall service ability of satisfying a variety of tasks with different SRZs. Then, we propose a network Artificial Intelligence (AI) architecture with integrated network resources and pervasive AI capabilities for supporting customized services with guaranteed QoEs. Finally, extensive simulations show that the proposed network AI architecture can consistently offer a higher USR performance than the cloud AI and edge AI architectures with respect to different task scheduling algorithms, random service requirements, and dynamic network conditions.

Video Archive