Kohti älykästä konetyyppistä tietoliikennettä

Tietoliikenneverkkojen viimeaikainen kehitys kohti älyverkkoja on asettanut uusia haasteita kuten massiivinen kytkettävien laitteiden ja liikenteen määrä sekä äärimmäisen pieni latenssi. Niinpä tulevan 6G-sukupolven on täytettävä laaja vaatimus- ja käyttökohdekirjo. Tässä väitöstyössä kehitetään ja analysoidaan koneoppimispohjaisia strategioita vastaamaan kireisiin älyverkkojen vaatimuksiin. Työssä käytetään klassisia koneoppimisen menetelmiä, syväoppimista ja vahvistettua syväoppimista mahdollisina toteutusvaihtoehtoina. Väitöskirjassa ehdotetut tekniikat parantavat suorituskykyä esimerkiksi reaaliaikaisessa datan keruussa, päästä-päähän -latenssissa, energiatehokkuudessa ja spektrinkäytön tehokkuudessa. Esitetyt uudet menetelmät suoriutuivat paremmin kuin tunnetut verrokit, joten niillä on potentiaalia jatkokehitykseen ja laajamittaisempaan käyttöön muiden tulevien tutkimusten osana.