迈向 6G 移动通信的深度学习与联邦学习
1. 机器学习与深度学习概述
随着机器学习（ML）和人工智能（AI）的飞速发展，将 ML 应用于无线通信系统和网络的优化，成为了超越第五代（5G）和第六代（6G）移动通信的关键技术。ML 技术在无线通信和网络中的应用广泛，主要聚焦于以下三个方面：
- 无线通信系统的深度学习（DL）
- 无线通信和传感器融合的联邦学习
- 认知无线电和共存无线通信系统的 ML
1.1 机器学习分类
一般来说，ML 技术可分为以下三类：
- 有“教师”指导的监督学习（通常通过训练数据集实现）
- 无监督学习
- 强化学习（RL）
然而，在无线通信和网络应用中，另一种分类方式更为重要，即基于模型和无模型。传统的无线通信系统和网络设计，是通过大量实验和测量来优化通信或网络模型。如果 ML 技术基于特定模型进行，那就是基于模型的；反之，则是无模型的。
1.2 机器学习的基本要素
ML 有三个基本要素：
-模型：从训练数据和专家知识中抽象出数学模型，用于统计描述给定数据集的特征或客观规律。借助这些训练好的模型，ML 可用于分类、预测和决策。
-策略：训练数学模型的标准称为策略。选择合适的策略与训练数据密切相关。经验风险最小化和结构风险最小化是两个基本的策略问题，后者在样本量较小时可避免过拟合现象。
-算法：根据确定的模型和选择的策略构建算法，以求解未知参数，这可视为一个优化过程。好的算法
