뛰어난 특징을 지닌 기계학습(ML)은 무선 네트워크의 수많은 응용 분야에서 기반이 되는 기술로 자리매김하고 있다. 그러나 기존의 기계학습 접근법은 라벨이 있는 데이터의 부재, 무선 환경의 지속적인 변화, 긴 학습 과정, 무선 장치의 제한된 처리 용량 등과 같은 실질적 구현상의 여러 과제에 직면해 있다. 이러한 과제는 적절히 해결되지 않을 경우 무선 네트워크에서의 ML의 효과성과 적용 가능성을 저해할 수 있다. 이러한 문제를 해결하기 위해 최근에는 전이학습(TL)이 유망한 해결책으로 부상하였다. 전이학습의 핵심 아이디어는 유사한 과제로부터의 정제된 지식과 과거에 축적된 유의미한 경험을 활용·종합하여 새로운 문제의 학습을 촉진하는 데 있다. 이를 통해 전이학습 기법은 라벨 데이터에 대한 의존도를 줄이고, 학습 속도를 향상시키며, 다양한 무선 환경에 대한 ML 방법의 견고성을 높일 수 있다. 본 논문은 무선 네트워크에서의 전이학습 적용에 관한 종합적인 설문조사를 제공하는 것을 목적으로 한다. 특히, 우리는 먼저 전이학습에 대한 개요를 제시하며, 여기에는 형식적 정의, 분류, 그리고 다양한 유형의 전이학습 기법이 포함된다. 이후 무선 네트워크에서 새롭게 부상하는 이슈를 해결하기 위해 제안된 다양한 전이학습 접근법을 논의한다. 다루는 이슈에는 스펙트럼 관리, 신호 인식, 보안, 캐싱, 위치추정, 인간 활동 인식이 포함되며, 이들은 5G 및 그 이후와 같은 차세대 네트워크에서 모두 중요하다. 마지막으로, 향후 무선 네트워크에서의 전이학습과 관련된 중요한 도전 과제, 미해결 쟁점, 그리고 향후 연구 방향을 강조한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.