Aprendizado de Máquina em Redes Sem Fio: Algoritmos, Estratégias e Aplicações

A rápida evolução das redes sem fio, impulsionada pela crescente demanda por dados de alta velocidade, conectividade contínua e implantação maciça de dispositivos, trouxe desafios significativos em termos de escalabilidade, alocação de recursos, gestão de interferências e automação de redes. O Aprendizado de Máquina (ML), com sua abordagem adaptativa e baseada em dados, oferece um potencial transformador para melhorar o desempenho das redes sem fio e permitir a tomada de decisões inteligentes. Esta revisão explora a integração de técnicas de ML em redes sem fio, abrangendo algoritmos de aprendizado supervisionado, não supervisionado e por reforço. Também examina estratégias principais para implantação nas camadas física e MAC, além de uma ampla gama de aplicações, incluindo acesso dinâmico ao espectro, balanceamento de carga, gestão de mobilidade e manutenção preditiva. Além disso, analisamos tendências emergentes como aprendizado federado, inteligência de borda e o papel do ML em redes 5G e além (6G). O artigo conclui destacando os desafios atuais e as possíveis direções futuras de pesquisa para unir a teoria do ML e a implantação prática de redes sem fio.