在 5G 及以后的时代，随着无线网络设计和优化中的复杂性不断增加，人工智能（AI）的使用被认为是解决实时极复杂问题的灵活适用的方法之一。本文提出了通过智能大数据驱动层来实现个人化网络服务，并优化网络资源，达到节省资源和提高用户满意度的目标。

Jul, 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

本文简要介绍大数据分析和机器学习，并探讨它们在下一代无线网络中的潜在应用。提出了一个统一的大数据辅助的机器学习框架，用于预测移动用户的要求，并利用它来改善社交网络感知无线网络的性能，为了描述该框架的效率，提供了一对智能实际应用作为案例研究，以及为激励未来的研究提供开放式研究机会。

Jan, 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

本文调查了利用机器学习技术提高无线网络性能方面的最新研究，并提出挑战和未解决的问题，为研究人员提供了一条路线图。

Mar, 2021

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

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

本文在 ns-3 仿真平台上实现了基于人工智能算法的无线网络优化，通过新的应用程序模拟车对所有策略的传输，基于强化学习模块实现预测服务质量，相较于基线方案，在实现人工智能之后优化网络的效果更好。

Mar, 2022

通过将知识图谱的概念融入移动网络的智能操作中，建立了一个无线数据知识图谱，从而实现对从无线通信网络收集的海量和复杂数据的特征数据集的按需生成，提高了人工智能训练、推理和验证过程的效率，并显著减少了通信网络的资源浪费和开销。

Apr, 2024