机构名称：
¥ 4.0
摘要 — 作为第五代和第六代 (6G) 移动通信网络中的关键通信场景之一，超可靠和低延迟通信 (URLLC) 将成为各种新兴任务关键型应用程序开发的核心。最先进的移动通信系统无法满足 URLLC 的端到端延迟和整体可靠性要求。特别是，缺乏一个考虑到延迟、可靠性、可用性、可扩展性和不确定性决策的整体框架。在深度神经网络最新突破的推动下，深度学习算法被认为是开发未来 6G 网络中 URLLC 支持技术的有前途的方法。本教程说明了如何将通信和网络领域的知识（模型、分析工具和优化框架）集成到不同类型的 URLLC 深度学习算法中。我们首先介绍一下 URLLC 的背景，并回顾一下 6G 有前景的网络架构和深度学习框架。为了更好地说明如何利用领域知识改进学习算法，我们重新审视了基于模型的 URLLC 分析工具和跨层优化框架。随后，我们研究了在 URLLC 中应用监督/无监督深度学习和深度强化学习的潜力，并总结了相关的未解决的问题。最后，我们提供模拟和实验结果来验证不同学习算法的有效性并讨论未来的方向。
将领域知识融入深度学习 - arXiv
主要关键词
相关文件推荐
![arXiv:1810.02455v2 [cs.RO] 2019 年 3 月 1 日](/simg/7/763a8b44196a9bef96a30b09810486f99c1f2ff0.webp)
