چکيده
در طراحي و توسعه ي نسل پنجم شبكه هاي سلولي يا 5G ،با افزايش نمايي ميزان داده، تعداد بسيار زياد كاربران ، تحرك با سرعت زياد ، استفاده از اينترنت اشياء و ...، با چالش هايي نظير پيچيدگي شبكه، چالش انرژي ، چالش پهناي باند و البته چالش امنيت شبكه مواجه هستيم . در كنارتمام اين چالشها و راه حل هاي پيشنهادي، هوشمندي شبكه مي تواند وجه تمايز بين نسل جديد با نسل چهارم باشد . به عبارت ديگر براي مديريت چالشهاي ناشي از افزايش پيچيدگي شبكه ، هوشمندسازي در بخش هاي مختلف مي تواند كارگشا باشد.
اهداف اصلي شبكه هاي خودگردان ، تامين هوشمندي داخل شبكه براي تسهيل عملكرد اپراتورها ، انعطاف شبكه ، و در عين حال كاهش پيچيدگي نهايي ، هزينه هاي عملياتي و سرمايه اي ، ساده سازي هدايت شبكه و بهينه سازي روش هاي پيكربندي شبكه است. در تحقق اين اهداف، يادگيري ماشين به صورت گسترده مورد استفاده قرار گرفته كه در اين گزارش به بررسي راه حل هاي يادگيري ماشين براي حل مسائل هوشمندسازي شبكه هاي سلولي پرداخته شده است.
علاوه بر معرفي الگوريتم هاي يادگيري ماشين، كاربردهاي آنها در شبكه هاي سلولي خودگردان، در حوزه هاي پيكربندي، بهينه سازي و ترميم خودكار مورد بررسي قرار گرفته و همچنين يك چارچوب يادگيري Q ، از روش هاي يادگيري تقويتي ، به طور خاص تر معرفي شده است.
واژه هاي كليدي :
يادگيري ماشين ، يادگيري تقويتي ، شبكه هاي سلولي خودسازمانده ، متراكم سازي شبكه، پيكربندي ، مديريت تحرك ، ترميم خودكار ، مديريت قطعي سلول ، متعادل سازي بار
