مروری بر کاربرد یادگیری عمیق تطبیقی در برش منطقی شبکه

شبکه های نسل پنجم و ششم با معرفی فناوری هایی نظیز Network slicing نقش بسیار مهمی در فراهم کردن خدمات برای کاربران نهایی و تقسیم کردن شبکه نیازمند روش ها و راهکار هایی است تا بتواند بهبود کارایی در این شبکه ها را افزایش دهد. یادگیری عمیق تطبیقی یکی از تازه ترین رویکردهای یادگیری ماشین است که با تطبیق لحظه ای با تغییرات جهانی ویژه شبکه توانسته است سرعت تحلیل داده ها در محیط های پویا را افزایش دهد. این مقاله به مرور مفاهیم، روش های دربراک و اهداف یادگیری عمیق تطبیقی در فرایند تقسیم بندی شبکه می پردازد و چالش ها و فرصت ها در این حوزه ها را مورد بررسی قرار میدهد.

کلیدواژه ها:

یادگیری عمیق ، زمان واقعی ، الگوریتم های خودسازگار ، تقسیم بندی شبکه