MMDec, 2018

机器学习方法用于无线链路质量估计：综述

PDF
TL;DR本文综述了从实验数据中使用机器学习算法基于性能数据分析了基于机器学习的链接质量估计（LQE）模型的性能需求和设计步骤，同时回顾了适用于 LQE 研究的现有开源数据集，提出了基于机器学习的 LQE 开发和数据集收集的设计指南和经验教训。
wireless communication networksquality aspectslink quality estimationmachine learningdataset collection
发现论文，激发创造
  • 从手工特征到 LLMs：机器翻译质量估计的简要调查

    机器翻译质量评估（MTQE）是实时估计机器翻译文本质量的任务，不需要参考翻译，对机器翻译的发展非常重要。本文综述了质量评估数据集、标注方法、共享任务、方法学、挑战和未来研究方向。

    Mar, 2024

  • 边缘机器学习中的数据质量：现状调研

    数据驱动的人工智能系统和机器学习对我们的生活产生了巨大的影响，然而在边缘计算和物联网设备的环境下，数据质量的研究变得异常重要和紧迫。本文填补了这一领域的知识空白，提供了全球范围内从多个学科角度探讨边缘计算中数据质量的现有文献，并探讨了各个维度的详细内容和现有解决方案。

    Jun, 2024

  • 关于机器学习数据质量维度与工具的调研

    机器学习中数据质量评估工具的回顾与比较，提出了开源数据质量工具发展的路线图，并探讨了大型语言模型和生成式人工智能在数据质量评估和改进中的潜在应用。

    Jun, 2024

  • 利用概率机器学习建模量化无线传感中的不确定性

    这篇论文介绍了机器学习在无线通信领域的应用，并提出了开发带有概率建模的 ML 系统来解决 ML 模型推理可靠性和不确定性的问题。作者使用 WiFi 信道状态信息进行了真实案例演示来证明该方法的正确性，并指出这种方法可以用于无线感知应用中，不仅仅是 WiFi 感知，还包括毫米波雷达等其他应用。

    Oct, 2022

  • 城市空气质量分析的机器学习：综述

    通过机器学习模型，本文提供了一份综合的调研报告，涵盖了空气质量分析的各个方面，从数据采集到预处理，并包括污染模式挖掘、空气质量推断和预测等分析任务。同时，给出了对现有方法和应用的系统分类和总结，并提供了一份公开可用的空气质量数据集列表，以便在这个方向上进行研究。最后，我们确定了一些有前景的未来研究方向。这份调研报告可以作为一个宝贵的资源，帮助专业人士找到适合解决自己特定挑战的解决方案，并推动他们在前沿领域的研究。

    Oct, 2023

  • 神经机器翻译的无监督质量评估

    提出了一种无监督方法来进行机器翻译的质量估计，该方法不需要大量专家注释数据、计算和时间来训练。该方法通过从机器翻译系统中提取有用的信息，并采用不确定性量化方法，实现了与人类判断质量的很好相关性，与最先进的监督质量估计模型相媲美。同时，他们还收集了第一个数据集，使得可以进行黑盒和白盒方法的质量估计的工作。

    May, 2020

  • 机器学习技术在光网络中的应用概述

    本文简要介绍了机器学习在光通信和网络中的应用，包括 ML 在网络数据分析和自动网络自配置和故障管理方面的最新研究进展。尽管近年来出现了许多相关研究论文，但 ML 在光网络中的应用仍处于初始阶段。因此，提出了一些可能的研究方向，以推动其进一步发展。

    Mar, 2018

  • 一种利用机器学习预测多媒体服务体验质量的新方法

    使用机器学习技术为网络服务提供商提供了一种实用的框架，可以评估和预测用户对服务的满意度，从而通过实时动态分配网络资源来降低成本并提高客户满意度。

    Jun, 2024

  • 未来无线网络的迁移学习：综合调查

    该论文介绍了迁移学习在无线网络中的应用，包括定义、分类、技术类型以及用于解决下一代网络（如 5G 及更高版本）中的问题的不同迁移学习方法，其主要目的是为了应对现有机器学习模式的挑战，如缺乏带标签的数据、无线环境的不断变化、训练过程时间长、以及设备容量不足等等，并且展望了迁移学习在未来无线网络中的重要挑战、开放性问题和未来研究方向。

    Feb, 2021

  • 空中机器学习

    本文回顾了机器学习在物理层无线通信系统中的应用及其带来的一些挑战，并着重介绍了机器学习在无线通信领域中的一些前沿技术及其在未来的研究方向，同时强调了基于物理层设计的分布式机器学习的可行性和需求。

    Apr, 2019