本文介绍了利用深度学习技术在未来的无线通信网络中的应用。通过论证，说明数据驱动的方法不应该取代传统的基于数学模型的设计方法，而应该互相补充。本文详细介绍了深度学习方法，包括人工神经网络，以及一些在无线通信网络领域中成功应用深度学习方法的案例研究。最后，本文描述了未来研究方向。

Feb, 2019

本文概述了人工智能在 5G 及以后无线网络中的应用，包括网络智能类型、机器学习以及应用案例，重点介绍了物理层、移动性管理、无线安全和定位方面的应用。

Nov, 2019

本文将探讨机器学习、自动化、人工智能和大数据分析对于提高下一代无线网络的能力和效率的作用，发现这些新技术将有助于使下一代无线网络实现自适应、自我感知、预测和主动性，最终得出未来的无线网络运营商不能脱离人工智能和机器学习技术转变其操作框架的结论。

Dec, 2021

本文综述了机器学习在物联网无线通信中的应用，重点关注了它的特定网络层，包括物理层、数据链路层和网络层等，以及对硬件实现的探讨；同时提供了对物联网无线通信中的机器学习面临的挑战和问题的详细分析。

Jan, 2019

本文全面调查了机器学习在无线通信中的应用，分类为 MAC 层的资源管理，网络层的网络和移动性管理，以及应用层的定位，并根据采用的机器学习技术组织了每个方面的文献。同时，提出了使用 ML 的条件和未解决的问题，以促进未来的研究。

Sep, 2018

该论文介绍了两种采用专家知识方法优化无线通信网络性能的深度学习方法，并通过数字结果将这些方法与纯数据驱动实现进行比较。

Aug, 2018

本篇论文全面综述了现今人工神经网络中基于仿生学学习机制的表示，研究了加入更多仿生意义机制如突触可塑性以加强网络能力的可能性和挑战，并找到未来的研究方向，以更深入理解智能的本质。

May, 2023

近年来，移动计算和物联网网络的快速部署使得无线系统的通信和感知能力大幅增强，而基于大数据分析、普适计算和人工智能（AI）的新型网络架构 —— 无线 AI 将 AI 推向网络边缘，成为未来智慧网络演进的关键，本文提出了一个从数据驱动的角度出发，关于无线 AI 的最新研究的综合调查，尤其在数据驱动领域，对无线 AI 在各个领域具有的应用进行了深入讨论，为无线网络的设计和优化提供了可能的解决方案和方向。

Feb, 2020

该研究论文总结了与机器学习相关的通信和 ML 原则，并提出了具有选定用例的通信高效和分布式学习框架。

Aug, 2020

利用机器学习方法，该研究介绍了一种高级网络流量分类系统，能够实时分析网络流量并识别各种网络服务类型。通过对网络流量中的模式进行分析，我们的方法将相似的网络流量归类为不同的网络服务，并将流量分解为多个小的流，每个流专门用于承载特定的服务。我们的机器学习模型基于包含不同网络服务类型的标记示例的数据集进行训练，并在评估中展现了出色的准确性。这些结果强调了将人工智能集成到无线技术中的巨大潜力，通过这种方法可以实现更高效的能源消耗、提供更好的服务质量保证以及优化网络资源的分配，为先进智能网络的发展打下坚实的基础。

Oct, 2023