XiaoMi-AI文件搜索系统
World File Search SystemTanveer
NPL 报告 MS 40 监督申请审查...
1. 简介 未来通信的愿景是网络具有不断增加的连接性，可以以越来越高的速度传输越来越多的数据。由于其复杂性，这种网络只能通过利用可用数据的数据驱动自动化来实现。因此，人们普遍认为人工智能 (AI) 及其分析引擎机器学习 (ML) 是实现这一愿景的重要推动力 (Toy, 2021)。 NPL 的电磁技术小组为通信网络中使用的一些不同技术提供计量支持，其中包括无线电和光纤通信。同时，数据分析和建模小组一直在开发框架，以便在计量应用中可靠地使用机器学习。为了支持上述未来网络的愿景，NPL 有必要将机器学习越来越多地纳入通信网络的计量中。本报告的目的是回顾最近提出的一些机器学习在未来网络中的使用方式，特别关注监督学习和与计量最相关的应用。目的是让数据分析和建模以及电磁技术小组都能访问此文档，从而帮助弥合他们的专业领域。考虑到这一目标，我们提供了背景信息