三、收获与感想 论文的分析表明，尽管车载毫米波通信问题存在损耗严重和易受阻塞等问题， 但通过利用在线机器学习算法，可以实现对动态车辆环境的自动学习和适应，并 保证基站在做出波束选择决策时实现系统容量的最大化。， 另外值得思考的是，论文利用了多臂赌博机建模思想，将原本复杂的动态车 载环境感知波束选择问题，抽象成了一个常用的已经被广泛研究的问题，这减 少了对该问题的解决难度。也提醒我们在以后的研究中，对于新出现的难以解决 的物理问题可以通过仔细分析其需求及条件，将其抽象为一个己知的数学模型， 最后利用前人的研究成果，更好地解决问题。 参考文献 [1]A.Asadi,S.Muller,G.H.Sim,A.Klein and M.Hollick,"FML:Fast Machine Learning for 5G mm Wave Vehicular Communications,"IEEE INFOCOM 2018-IEEE Conference on Computer Communications,Honolulu,HI,2018,pp.1961-1969三、收获与感想 论文的分析表明，尽管车载毫米波通信问题存在损耗严重和易受阻塞等问题， 但通过利用在线机器学习算法，可以实现对动态车辆环境的自动学习和适应，并 保证基站在做出波束选择决策时实现系统容量的最大化。， 另外值得思考的是，论文利用了多臂赌博机建模思想，将原本复杂的动态车 载环境感知-波束选择问题，抽象成了一个常用的已经被广泛研究的问题，这减 少了对该问题的解决难度。也提醒我们在以后的研究中，对于新出现的难以解决 的物理问题可以通过仔细分析其需求及条件，将其抽象为一个已知的数学模型， 最后利用前人的研究成果，更好地解决问题。 参考文献 [1] A. Asadi, S. Müller, G. H. Sim, A. Klein and M. Hollick, "FML: Fast Machine Learning for 5G mmWave Vehicular Communications," IEEE INFOCOM 2018 - IEEE Conference on Computer Communications, Honolulu, HI, 2018, pp. 1961-1969