学习优化：训练用于无线资源管理的深度神经网络。 Python代码可重现我们在SPAWC 2017的DNN研究中的工作。 Demo.py包含了从数据生成，训练，测试到绘制10个用户IC盒的整个过程，即使该过程是在一个包含25000个样本的小型数据集上完成的，仍可以在不到100次迭代中轻松实现94％的准确度。 在test.py中，我们对表I：高斯IC案例进行了测试阶段，该测试基于预先训练的模型。 要从头开始训练模型，请按照本文中的说明进行操作，并阅读demo.py以供参考。 所有代码均已在Python 3.6.0上成功测试。 设置 安装python 3.6 正在运行的应用程序 安装pip依赖项 pip install -r requirements.txt 运行python文件 python3 demo.py python3 test.py 参考文献：[1]孙浩然，陈香怡，施庆江

协议结构的整体介绍 RRC子层协议简介 RRC子层功能介绍 RRC 状态-空闲模式和连接模式 RRC子层的几个重点过程（小区选择，小区重选，RRC连接建立，重配过程，切换

随着网络中智能终端的增多，与日俱增的用户数据传输需求对于无线网络造成了巨大的冲击；特别地，各种新型智能终端应用的出现，使得网络中产生了大量新型数据业务，例如网络游戏(Gaming)、IM业务、社交网络业务等。与传统的数据传输不同，这些智能终端数据业务类型一般具有数据到达间隔大、数据传输速率要求低、对时延较不敏感等特点。这些新型业务对于无线传输提出了新的需求。同时，单个用户也有较大的概率产生并发的不同类型业务。这些新型的数据业务对于E-UTRAN网络的资源管理及控制提出了极高的挑战，仍然采用对于传统无线资源管理方式已无法满足用户的需求。为了提高E-UTRAN网络效率，提升用户体验，需要针对新型智能终端数据业务对E-UTRAN无线资源管理技术进行优化。 E-UTRAN网络针对智能终端新型数据业务增强的研究对于网络高效传输的保证具有重要意义。其将有效增强网络应对新型数据业务传输的能力，提升网络效率，提高用户满意度。

无线资源管理流程，相信对需要它的你会有帮助的