本文比较了基于强化学习和进化算法的两种神经架构搜索方法来优化图神经网络，结果在包括 7 个数据集的两个搜索空间内显示出两种方法的准确性与随机搜索相似，引出了有多少搜索空间维度实际上与问题相关的问题。

Jul, 2020

这篇文章提出了一种基于人工智能的 6G 网络智能架构，用于实现知识发现、智能资源管理、自动网络调整和智能服务提供。作者还回顾和讨论了 AI 技术在 6G 网络中的应用，并详细阐述了如何利用 AI 技术有效地优化网络性能，包括 AI 支持的移动边缘计算、智能移动和切换管理以及智能频谱管理。另外，作者强调了重要的未来研究方向和 AI-enabled 6G 网络的潜在解决方案，包括算法鲁棒性、计算效率、硬件开发和能源管理等。

Dec, 2019

本研究提出了一种新的自动化机器学习（AutoML）框架，通过演化图神经网络（GNN）模型来寻找最合适的结构和学习参数，并在半监督和归纳式节点表示学习和分类任务上展示它的性能。

Sep, 2020

介绍了一种名为 transformer 的新型深度学习架构及其在 6G 网络设计中的应用，借助其自注意机制和强大的表示能力，提出了解决大规模 MIMO 和语义通信问题的解决方案，显示出优越性并探讨了其未来研究方向。

May, 2022

本文为了解决图神经网络结构设计中的耗时领域，提出了一种自动化图神经网络（AGNN）框架，使用强化学习的控制器去贪婪地验证架构，可以在预定义的搜索空间内找到最优的 GNN 架构，实现了参数共享的优化，可以大幅提升搜索效率，并在真实世界的基准数据集上进行了实验证明。

Sep, 2019

6G 体系结构中人工智能和大型语言模型（LLMs）以及预训练的广义变压器（GPT）的无缝集成将在 AI 中心化操作和下一代通信范式中起到关键作用。

Nov, 2023

过去十年，深度学习的发展在计算机视觉、自然语言理解、语音识别和强化学习等多个领域取得了重大突破。神经架构搜索是自动化机器学习的必然发展方向，已经在很多任务上超过了最好的人类设计架构。本文概述不同的搜索空间、算法和加速技术，并介绍了基准、最佳实践、其他综述和开放源代码库。

Jan, 2023

本文通过分类讨论搜索空间、搜索策略与性能估计策略三种维度，为神经架构自动搜索方法的存在研究提供了一个概述。

Aug, 2018

探索了将主动机器学习与 6G 网络集成的研究，该领域尚未得到充分探索，但具有潜力。与被动机器学习系统不同，主动机器学习可以与网络环境进行交互，并通过选择信息丰富、具代表性的数据点进行训练，从而减少所需的数据量并加速学习过程。此外，还探讨了生成人工智能和主动学习之间的协同作用，以克服主动学习和生成人工智能方面的现有限制。通过一个毫米波传输速率预测问题的案例研究，演示了主动学习在 6G 网络中的实际好处和性能改进。此外，还讨论了主动学习对于众多 6G 网络用例的潜力，包括提高计算效率、数据标注和采集效率、适应性和整体网络智能性。最后，探讨了主动学习在 6G 网络中的挑战和未来研究方向，包括开发新的查询策略、分布式学习集成，以及人机协同学习的加入。

Jun, 2024

本文综述了现有的方法，囊括了计算机领域中的神经体系结构搜索、自动化方法和深度学习等方面，内容包括常用的体系结构搜索空间和基于强化学习和进化算法的体系结构优化算法、模拟模型和单次模型。同时，文章对新的研究方向进行了探讨。

May, 2019