Hyppää sisältöön
    • FI
    • ENG
  • FI
  • /
  • EN
OuluREPO – Oulun yliopiston julkaisuarkisto / University of Oulu repository
Näytä viite 
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

White paper on machine learning in 6G wireless communication networks


 
Avaa tiedosto
isbn978-952-62-2673-6.pdf (24.47Mt)
isbn978-952-62-2673-6_meta.xml (28.32Kt)
isbn978-952-62-2673-6_solr.xml (23.27Kt)
Lataukset: 


Editori
Ali, Samad
Saad, Walid
Steinbach, Daniel
University of Oulu
30.06.2020
Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:ISBN:9789526226736
Tiivistelmä

Abstract

This white paper discusses various topics, advances, and projections regarding machine learning (ML) in wireless communications. Sixth generation (6G) wireless communications networks will be the backbone of the digital transformation of societies by providing ubiquitous, reliable, and near-instant wireless connectivity for humans and machines. Recent advances in ML research have enabled a wide range of novel technologies such as self-driving vehicles and voice assistants. Such innovation is made possible by the availability of advanced ML models, large datasets, and high computational power. In addition, the ever-increasing demand for connectivity will require even more extensive innovation in 6G wireless networks. Consequently, ML tools will play a major role in solving the new problems in the wireless domain. In this paper, we offer a vision of how ML will impact wireless communications systems. We first provide an overview of the ML methods that have the highest potential to be used in wireless networks. We then discuss the problems that can be solved by using ML in various layers of the network such as the physical, medium-access, and application layers. Zero-touch optimization of wireless networks using ML is another interesting aspect discussed in this paper. Finally, at the end of each section, a set of important future research questions is presented.

Kokoelmat
  • Avoin saatavuus [38358]
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatAsiasanatUusimmatSivukartta

Omat tiedot

Kirjaudu sisäänRekisteröidy
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen