智能无线网络的深度学习:一个全面的调查

智能无线网络的深度学习:一个全面的调查(中文30000字,英文PDF)
摘要-深度学习(DL)作为一种很有前途的机器学习工具，可以从复杂的原始数据中进行精确的模式识别，它正在成为一种向具有大规模拓扑结构和复杂无线电条件的无线网络中添加智能的强大方法。DL使用许多神经网络层来实现对高维原始数据的类脑特征提取。它可以在分析大量网络参数(如延迟、丢失率、链路信噪比等)的基础上，发现网络动态(如热点、干扰分布、拥塞点、交通瓶颈、频谱可用性等)。因此，DL可以分析具有多个节点和动态链路质量的极其复杂的无线网络。本文全面综述了DL算法在不同网络层的应用，包括物理层调制/编码、数据链路层访问控制/资源分配、路由层路径搜索和流量均衡。还讨论了利用DL增强其他网络功能，如网络安全、传感数据压缩等。此外，还详细讨论了该领域具有挑战性的尚未解决的研究问题，代表了基于dll的无线网络的未来研究趋势。本文可以帮助读者深入了解基于dll的无线网络设计的现状，并从中选择感兴趣的未解决的问题进行研究。