通过标准与技术研究所（开发的机器学习公式NIST)有潜力显著改善如何5克和其他无线网络选择和共享通信频率。研究人员称，与反复试验的方法相比，NIST的公式可以使共享通信频率的过程效率提高5000倍。
NIST的系统是基于想法，无线电设备可以从经验中学习的网络环境，而不是像现在完成时，请选择基于试验和错误的频率信道。
在特定的环境条件下，“算法学习哪个通道提供最好的结果”，NIST说文章在其网站上。
该团队表示:“这个公式可以在现实世界中许多[不同]类型网络的发射机上编写成软件。”
本质上，计算机模拟的算法是一个公式，映射了在环境RF条件下的经验。例如，这些条件可以包括在一个信道(一组相邻频率)内工作的发射机的数量。
“......如果发射机选择未被占用的信道，则成功传输的概率上升，从而导致更高的数据速率，”文章说。同样地，当发射机选择不具有上干扰多通道，信号越强，你会得到一个更好的数据传输速率。发射机记住哪些渠道提供了最好的结果，并学会选择表盘上的那个地方时，它旁边需要一个明确的信号。
今天一般的工作是从事物的方式不同。也就是说，无线电只是试图找到一个开放频率，然后用等协议无线电通信。在复杂的情况下，如Wi-Fi，例如，跳频和波束形成用于优化通道。
凡NIST的机器学习技术闪耀在共享频谱的情况下，如与授权辅助接入（左心耳）共享的Wi-Fi，研究人员解释说。LAA是LTE在未经许可的频谱，被称为LTE-U，在5GHz。在的Wi-Fi与LAA的这种组合，在同一频率下，协议是完全不同的：在收音机没有相互的功能和谐地沟通和混乱可能发生忙乐队得到了传会撞到其他传输。但是，如果所有的收音机都在选择他们的插槽，通过学习更好什么可行，什么不可行，那么事情会更好。
NIST的工程师Jason Coder在文章中说:“这可能会使在未授权波段的通信更加有效。”
事实上，“可以帮助5G和其它无线网络选择和大约5000次分享通信频率比更有效地试错法”，NIST索赔。
这里的关键词是“共享”，因为为了提高有限的频谱通讯，更多的共享必须发生-的用户，如物联网，或流媒体，是为同一个比喻房地产所有竞争。结合无牌和行货带，如在L-抗坏血酸的情况下，将有可能成为更普遍的物联网和数字继续扩大。（免授权频段是那些未分配给特定的用户，就像一个移动网络运营商;许可频带赢得拍卖和分配。）
在NIST的情况下，竞争的发射器“每个学习最大化网络总数据速率不会相互通信。”因此，多种协议和数据类型，如视频或传感器数据，或Wi-Fi网络和移动网络，CAN功能彼此并排。
NIST的公式显著简化分配最佳通道发射机的过程中，根据相应的文章：“研究发现，一个详尽的努力[使用试验和错误]，以确定最佳的解决方案将需要约45600次试验，而公式可以选择一个类似通过尝试只有10个信道，努力仅仅0.02％的解决方案“。
NIST的研究人员最近展示了他们的研究在IEEE的91ST车辆技术会议今年几乎召开。