Sep, 2023

通过概率机器学习降低无线通信的环境影响

PDF
TL;DR机器学习方法在通信问题中被越来越广泛地采用，尤其是在下一代无线设置中。通过使用贝叶斯参数调整和时空高斯过程代理建模，我们能够降低现有硬件的能耗并改善网络性能，同时减少下一代混合波束赋形系统的开销，从而大大提高网络的能效和针对高移动用户的目标能力。贝叶斯范式本身对于能源使用也是有帮助的，因为训练一个贝叶斯优化模型所需的计算要比训练深度神经网络要少得多。
发现论文，激发创造
  • 硅芯片中的能效机器学习：一种启发自通信的方法

    本篇论文主张采用通信启发式方法来设计机器学习系统，分别采用确定性和随机性版本。采用此方法可以充分利用机器学习算法和应用，以解决其在能量受限制平台上部署时面临的挑战。

    Oct, 2016

  • 通过认知无线电和机器学习实现智能无线通信

    本文讨论了智能无线通信、认知无线电、机器学习技术的发展，以及它们在提高动态无线环境下的频谱和能量效率方面的作用和现实应用，并且指出了认知无线电和机器学习在现有和未来无线通信系统中面临的进一步研究挑战。

    Oct, 2017

  • 无线网络上通信高效的分布式学习原理与应用

    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

  • 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

  • 基于高斯过程的数据驱动无线通信的最新进展：综述

    该研究论文回顾了一种非参数贝叶斯机器学习方法 - 高斯过程在无线通信中的应用，并介绍了它在可扩展性、可解释性和不确定性建模方面的优势。通过多种可解释的内核设计，描述了高斯过程模型以及其在无线通信系统中的应用，特别是在大规模分布式网络中的应用。

    Mar, 2021

  • 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

  • 无线通信网络中的机器学习 6G 白皮书

    本文着眼于机器学习在无线通信领域的应用，分析了其对 6G 网络的影响，提出了在 6G 网络各层使用机器学习方法解决问题的前景以及使用 ML 进行无线网络的零触碰优化的有趣方面，并针对每个部分提出了有价值的研究问题。

    Apr, 2020

  • 机器学习与大数据的结合：无线通信视角

    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

  • 5G 无线接入网络能效调查：大规模 MIMO、窄带设计、睡眠模式和机器学习

    本文介绍了第五代（5G）射频技术，以及第三代伙伴关系项目（3GPP）新射频规范，提供了用于显著降低下一代网络能耗和温室气体排放的工具。重点介绍了能够实现能效的关键技术，例如大规模多输入多输出（MIMO），轻载波设计和先进的空闲模式，探讨了其在能源消耗方面的最佳操作点和理论折衷。最后，讨论了未来网络需要更多努力实现绿色网络的研究领域。

    Jan, 2021

  • 能量收集通信系统优化的学习理论方法

    研究了一种采用能量收集设备和可充电电池的点对点无线通信系统，在考虑了基于马尔可夫过程的能量和数据到达模型后，采用学习理论方法，比较三种不同情况下的最优方案和性能损耗，同时还研究了在线和离线优化问题。

    Aug, 2012