Zum Inhalt

Comparative Research of Hyper-Parameters Mathematical Optimization Algorithms for Automatic Machine Learning in New Generation Mobile Network

  • 10.02.2022
Erschienen in:

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel geht auf die entscheidende Rolle der Hyperparameteroptimierung bei der Leistungssteigerung maschineller Lernalgorithmen im Kontext von 5G-Mobilfunknetzen ein. Zunächst wird die Bedeutung des maschinellen Lernens bei der Analyse von Big Data und der Optimierung der Ressourcenallokation skizziert. Der Text untersucht dann die verschiedenen Arten von Hyperparametern und ihre Bedeutung in verschiedenen maschinellen Lernalgorithmen. Die einzigartigen Datenmerkmale von 5G-Netzwerken wie Vielfalt, Echtzeitupdates und unstrukturierte Daten werden als zentrale Herausforderungen hervorgehoben. Der Artikel vergleicht verschiedene Methoden zur Optimierung von Hyperparametern, darunter Netzsuche, zufällige Suche, sequenzielle modellbasierte Optimierung und gradientenbasierte Methoden, und bewertet deren Stärken und Grenzen. Abschließend werden die Grenzen aktueller Methoden aufgezeigt und innovative Ansätze zur Verbesserung der Effizienz und Effektivität der Hyperparameteroptimierung im Zeitalter von 5G und Big Data vorgeschlagen.

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen
Titel
Comparative Research of Hyper-Parameters Mathematical Optimization Algorithms for Automatic Machine Learning in New Generation Mobile Network
Verfasst von
Xiaohang Zhang
Yuqi Li
Zhengren Li
Publikationsdatum
10.02.2022
Verlag
Springer US
Erschienen in
Mobile Networks and Applications / Ausgabe 3/2022
Print ISSN: 1383-469X
Elektronische ISSN: 1572-8153
DOI
https://doi.org/10.1007/s11036-022-01913-x
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.