SURVEY ON ARTIFICIAL INTELLIGENCE TECHNIQUES IN 5G NETWORKS

Fifth-generation telecommunication networks are currently the determining direction of telecommunications development as a whole. At the same time, the complexity of the processes of functioning of fifth-generation telecommunication networks increases by an order of magnitude compared to existing networks. All this requires the use of new technologies, including artificial intelligence, to ensure the stable functioning of telecommunication networks. Method. System analysis. Core results. The scientific tasks for the fifth generation communication networks, in which the use of artificial intelligence seems appropriate, including machine and deep learning, are identified. Practical significance. The results of the work can be useful in the education process in the field of networks and telecommunication systems, as well as for setting new scientific tasks for PhD students.

Предмет исследования. Сети связи пятого поколения в настоящее время являются определяющим направлением развития телекоммуникаций. При этом сложность процессов функционирования сетей связи пятого поколения возрастает на порядок по сравнению с существующими сетями. Все это требует использования новых технологий, в том числе и искусственного интеллекта, для обеспечения устойчивого функционирования сетей связи. Метод. Системный анализ. Основные результаты. Определены научные задачи для сетей связи пятого поколения, в которых представляется целесообразным использование искусственного интеллекта, в том числе машинного и глубокого обучения. Практическая значимость. Результаты работы могут быть полезны в процессе обучения в области сетей и систем телекоммуникаций, а также для постановки новых научных задач для аспирантов.

Авторы
Abdellah A.1 , Koucheryavy A. 2
Номер выпуска
1
Язык
Английский
Страницы
1-10
Статус
Опубликовано
Том
8
Год
2020
Организации
  • 1 Al-Azhar University
  • 2 The Bonch-Bruevich Saint-Petersburg State University of Telecommunications
Ключевые слова
5g; artificial intelligence; machine learning; deep learning; искусственный интеллект; машинное обучение; глубокое обучение
Дата создания
06.07.2022
Дата изменения
06.07.2022
Постоянная ссылка
https://repository.rudn.ru/ru/records/article/record/86761/
Поделиться

Другие записи

Андреев А.Н., Аралова Е.В., Артемьева С.И., Богатырева С.Н., Виноградова Н.С., Комаров Д.Е., Кузнецова Е.В., Мамаев О.А., Нечушкин А.Ю., Орлова И.К., Палаткин И.В., Петухова Е.П., Пилипенко Н.И., Покидов М.Г., Положенцева И.В., Рабаданова Р.С., Сепиашвили Е.Н., Солонников Д.В., Терехова А.А., Шафажинская Н.Е.
ООО "Ваш формат". 2020. 237 с.