面向6G无线网络优化的知识驱动深度学习范式

在第六代（6G）网络中，动态网络环境中大量用户的新兴多样化服务需要通过多维异构资源来满足。由此产生的大规模复杂网络优化问题超出了基于模型的理论方法的能力，因为其计算复杂度极高且处理时间过长。尽管具有快速在线推理和通用逼近能力，数据驱动的深度学习（DL）严重依赖大量训练数据且缺乏可解释性。为了解决这些问题，一种称为知识驱动DL的新范式应运而生，旨在将经过验证的领域知识整合到神经网络的构建中，从而利用两种方法的优势。本文对无线网络中的知识驱动DL进行了系统综述。具体来说，提出了无线网络中知识驱动DL的整体框架，其中知识源、知识表示、知识集成和知识应用形成一个闭环。然后，详细介绍了知识集成方法的分类，包括知识辅助、知识融合和知识嵌入的DL。还讨论了未来研究的几个开放问题。本文提供的见解为设计结合通信特定领域知识和DL的网络优化提供了基本原则，有助于实现智能6G网络。