利用近似动态规划（ADP）基于在线优化的方法，在维持充分的服务质量（QoS）指标的同时，通过打开 / 关闭基站的方式减少网络功耗。通过使用多层感知器（MLP）来预测功耗和 QoS，以及长短期记忆（LSTM）进行手 over 预测，结合在线优化算法，可以实现适应性 QoS 阈值，以根据整体 QoS 历史记录对基站切换行动进行过滤，并在包含动态流量模式的各种真实场景中使用实际网络模拟器评估该方法的性能。

Oct, 2023

本文介绍了机器学习在综合空地海网络中用户调度上的应用，着重探讨了深度神经网络在优化用户调度策略上的优点，并提出了一些未来发展中的挑战和问题。

May, 2022

本文旨在研究如何针对下行中的所有可能频谱复用模式来确定如何将频谱最优地分配给基础收发信台，以便在繁忙的交通条件下获得整个吞吐量区域，同时考虑了干扰和流量条件。

Aug, 2014

本文报道了一种新的方法，该方法通过结合免费提供的道路指标来确立数据生成过程和空间依赖性，从而提高了移动蜂窝流量预测的准确性，这可以应用于边缘或中心化学习，可用于预测短期未来一段高速公路覆盖区域的负载。

May, 2023

我们研究了实时场景下应用于移动网络流量预测的两种实时预测算法的有效性，发现 Fast LiveStream Prediction（FLSP）算法相对于传统的在线预测算法，在异步数据汇报情况下，能够减少所需带宽一半，并提高预测准确性和降低处理负载。我们还通过对各种机器学习模型的算法复杂度和内存需求进行了细致分析，从而提供有关不同预测策略的权衡，为动态环境下的网络优化和资源分配提供了有价值的指导。

May, 2024

本文研究了在移动通信下行数据中进行内容级别选择性卸载的问题，将流行的内容存储在无线信息站终端的高速缓存存储器中，直接从信息站下载存储的内容，以减少蜂窝网络的延迟和负载，并利用多臂赌博问题及切换成本等方式进行最优的缓存内容放置来学习流行度模型，以提高缓存效率。

Jul, 2014

本文研究了如何通过基站开关操作来降低无线电接入网络的能量消耗。为此，我们根据马尔科夫决策过程对流量变化进行建模，并设计了一个基于强化学习的开关操作方案，其中利用了历史周期或邻近区域中的传递学习专业知识的转移演员 - 评论家算法。通过在各种实际配置下的广泛模拟评估，我们证明了所提出的算法可以显著提高能源效率，而延迟性能的牺牲是可以接受的。

Nov, 2012

使用低复杂度的分布式算法通过对网络宽带优化来尝试解决小型细胞技术的优化问题，以及通过对偏置值的谨慎选择获得了大量吞吐量收益和速率增益。

May, 2012

本文提出了一种基于字典学习的交替方向方法，用于综合研究和预测蜂窝网络流量建模和预测框架，并提高了预测准确性和鲁棒性。

Jun, 2016

本文研究了基于信号强度进行的移动设备与基站的关联在 5G 系统中的不足，提出了一种根据基站实际负载以及可用回程容量进行关联的算法，并通过基于 Vodafone 小型基站试验网络的模拟优越性得到了验证。

Oct, 2014