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

本文研究了如何利用人工智能（AI）和机器学习（ML）技术来设计和运营 B5G 无线网络，包括对最近的进展和未来挑战的综述，以及对 ML 算法和应用的回顾，并总结了将 AI/ML 算法应用于 B5G 网络的标准发展。

Jan, 2020

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

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

企业 Wi-Fi 网络可以通过人工智能和机器学习（AI/ML）的管理和操作能力大大受益。同时，基于 AI/ML 的流量 / 负载预测是改善 Wi-Fi 体验最具吸引力的数据驱动解决方案之一。本文研究了在实际企业 Wi-Fi 网络中采用基于 AI/ML 的负载预测的适用性和可行性。我们的结果表明，受硬件限制的 AI/ML 模型可以对网络负载进行预测，平均误差不超过 20％，85 区位数误差不超过 3％，这为主动驱动 Wi-Fi 网络优化提供了适当的输入。

Oct, 2023

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

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