Zum Inhalt

Editorial: Machine Learning and Intelligent Communications (MLICOM 2018)

  • 23.04.2022
Erschienen in:

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

search-config
loading …

Auszug

Der Leitartikel untersucht das rasante Wachstum des mobilen Datenverkehrs und die Notwendigkeit intelligenter Optimierungs- und Kommunikationstechnologien in 5G-Netzen und darüber hinaus. Es betont die Rolle des maschinellen Lernens bei der Verbesserung der Dienstleistungsqualität und der Ressourcennutzung. Der Artikel behandelt auch neue Kommunikationstechnologien wie Multiple Access Techniken, Millimeterwellen-Kommunikation und Vollduplex-Kommunikation. Es werden sechs ausgewählte Aufsätze vorgestellt, die innovative Lösungen in Bereichen wie Datenspeicheralgorithmen, Data Mining für die Videocodierung, ratenlose codierte Übertragung, Rechenverlagerung und tiefe lernbasierte Ressourcenallokation präsentieren. Diese Arbeiten zeigen gemeinsam die Fortschritte und das Potenzial des maschinellen Lernens in der intelligenten Kommunikation für zukünftige drahtlose Netzwerke auf.

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
Editorial: Machine Learning and Intelligent Communications (MLICOM 2018)
Verfasst von
Li Ping Qian
Shuai Han
Bo Ji
Yan Zhang
Publikationsdatum
23.04.2022
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/s11036-022-01979-7