摘要
3GPP。 2023 5G系统的系统架构。 TS 23.501,第15版。 版本18.1.0。 谷歌学者 环礁。 2023.环礁概述。 (2023). https://www.forsk.com/atoll-概述 2023年6月12日访问。 谷歌学者 Peter W Battaglia、Jessica B Hamrick、Victor Bapst、Alvaro Sanchez-Gonzalez、Vinicius Zambaldi、Mateusz Malinowski、Andrea Tacchetti、David Raposo、Adam Santoro、Ryan Faulkner等,2018年。 关系归纳偏见、深度学习和图形网络。 arXiv预打印arXiv:1806.01261 (2018). 谷歌学者 Mohd Fazuwan Ahmad Fauzi、Rosdiadee Nordin、Nor Fadzilah Abdullah、Haider A.H.Alobaidy和Mehran Behjati。 2023.基于机器学习的在线覆盖估计器(MLOE):推进移动网络规划和优化。 IEEE接入 11 (2023), 3096--3109. 谷歌学者 交叉引用 法比安·盖尔(Fabien Geyer)和乔治·卡尔(Georg Carle)。 2018.使用基于图形的深度学习学习和生成分布式路由协议。 在 数据通信网络大数据分析和机器学习研讨会论文集。 40--45. 谷歌学者 数字图书馆 贾斯汀·吉尔默(Justin Gilmer)、塞缪尔·肖恩霍尔茨(Samuel S.Schoenholz)、帕特里克·莱利(Patrick F.Riley)、奥利奥·维尼亚尔斯(Oriol Vinyals)和乔治·E·达尔。 2017.量子化学的神经信息传递。 在 机器学习国际会议。 PMLR,1263-1272年。 谷歌学者 安德烈·戈迪尼奥(AndréGodinho)、丹尼尔·费尔南德斯(Daniel Fernandes)、加布里拉·索尔斯(Gabriela Soares)、保罗·皮纳(Paulo Pina)、佩德罗·塞巴斯蒂奥(Pedro Sebastiáo)、阿梅里科·科雷亚(Américo。 2020年。线性规划和云计算支持的自动规划蜂窝网络的新方法。 应用科学 10, 9 (2020). 谷歌学者 交叉引用 Infovista公司。 2023.5G网络规划、测试和保证自动化。 (2023). https://www.infovista.com/ 2023年6月12日访问。 谷歌学者 M.Umar Khan、A.GarcíA-Armada和J.J.Escudero-Garzás。 2020年。基于服务的5G网络尺寸测量,由实际数据协助。 IEEE接入 8 (2020), 129193--129212. 谷歌学者 交叉引用 Ajay Mahimkar、Ashiwan Sivakumar、Zihui Ge、Shomik Pathak和Karunsish Biswas。 2021.音频:使用数据驱动建议自动生成蜂窝配置。 在 ACM SIGCOMM会议记录。 美国纽约州纽约市计算机协会,807--820。 谷歌学者 数字图书馆 英国通信管理局。 2023 英国互联国家报告。 技术报告。 谷歌学者 大卫J奥利弗和大卫J奥利弗。 2017 多元线性回归。 斯普林格。 谷歌学者 帕尼兹·帕拉斯塔(Paniz Parastar)、安德拉·卢图(Andra Lutu)、奥兹古·阿莱(Ozgu Alay)、朱塞佩·卡索(Giuseppe Caso)和迭戈·佩里诺(Diego Perino)。 2023.聚焦5G:从移动运营商的角度看性能、设备演进和挑战。 在 IEEE信息通信。 谷歌学者 Krzysztof Rusek、JoséSuárez Varela、Paul Almasan、Pere Barlet Ros和Albert Cabellos Aparicio。 2020年。RouteNet:利用图形神经网络在SDN中进行网络建模和优化。 IEEE通信选定领域杂志 38, 10 (2020), 2260--2270. 谷歌学者 交叉引用 JoséSuárez-Varela、Paul Almasan、Miquel Ferriol-Galmés、Krzysztof Rusek、Fabien Geyer、Xiangle Cheng、Xiang Shi、Shihan Xiao、Franco Scarselli、Albert Cabellos-Paricio等,2022年。 通信网络的图形神经网络:上下文、用例和机会。 IEEE网络 (2022). 谷歌学者 娜塔莉亚·维塞利诺娃(Natalia Vesselinova)、丽贝卡·斯坦内特(Rebecca Steinert)、丹尼尔·佩雷兹·拉米雷斯(Daniel F.Perez-Ramirez)和马格努斯·波曼(Magnus Boman)。 2020.在图上学习组合优化:一项网络应用调查。 IEEE接入 8 (2020), 120388--120416. 谷歌学者 交叉引用 徐旺、周子木、傅晓、开兴、郑阳、刘云浩、彭春怡。 2018年,大都市蜂窝流量的时空分析和预测。 IEEE移动计算汇刊 18, 9 (2018), 2190--2202. 谷歌学者 交叉引用 张顺良。 2019.5G网络切片概述。 IEEE无线通信 26, 3 (2019), 111--117. 谷歌学者 数字图书馆 周杰、崔干渠、胡生丁、张正彦、程阳、刘志远、王立峰、李长城和孙茂松。 2020年。图形神经网络:方法和应用综述。 AI打开 1 (2020), 57--81. 谷歌学者
建议
半监督式深度持续学习 ICDLT’17:2017年深度学习技术国际会议记录 我们的研究重点是一种新的神经网络训练数据流结构,称为连续神经网络学习(CNNL),其主要目标是减少训练神经网络所需的数据。。。 半监督学习的拉普拉斯图 计算机视觉中的尺度空间和变分方法 摘要 在标记数据稀少但未标记数据丰富的常见场景中,半监督学习非常有用。 图(或非局部)拉普拉斯算子是解决各种学习任务的基本平滑算子。 对于无监督的。。。