سارا سکوت - گروه کامپیوتر، دانشکده فنی و مهندسی، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران
محمدرضا سلطان آقای - عضو هیات علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران

با توجه به عوامل مختلف داخلی و خارجی، شبکه ها می توانند به صورت پویا تغییر کنند و این پویایی بر محلی نمودن گره ها، تاخیرها، مکانسیم های مسیریابی، پوشش جغرافیایی، طراحی لایه متقابل، کیفیت پیوندها، تشخیص خطا و کیفیت خدمات تاثیر می گذارد. روش های متعارف برای شبکه های ایستا برنامه ریزی شده که پاسخ دهی پویا برای شبکه ها را دشوار کرده است. در اینجا می توان از استراتژی های یادگیری ماشین استفاده کرد. یادگیری ماشین در شبکه های پویا خودآموزشی را توسعه می دهند و ابزارهایی را ایجاد می کنند که به سرعت و به طور موثر و کارا به تغییرات واکنش نشان می دهد و همچنین با کمتر مداخله و برنامه نویسی انسان کلیه عملیات انجام می شود. در این مقاله تکنیک های یادگیری ماشین به منظور بالا بردن کارایی در شبکه های بی سیم و همچنین مزایا و اشکالاتی چنین سیستم ها را مورد بررسی قرار خواهیم داد. سرانجام، یک ارزیابی آماری برای استفاده از تکنیک های مختلف یادگیری نیز ارائه می شود.

الگوریتم های یادگیری ماشین، شبکه های بی سیم، محلی نمودن، مصرف انرژی و افزایش طول عمر