随着移动通信技术的快速发展，需要大量的高质量无线服务。根据思科VNI全球移动数据流量预测2017的报告，2016年和2021年的全球移动数据流量将在2016和2021之间增加近七倍，移动网络连接速度将增加三倍于2021.在无线服务的未来要求之间存在巨大差距和当前的通信技术，甚至使用4G / 5G技术。如何设计智能算法/方案以充分利用有限的无线资源是这个特殊问题的主题。作为一个重要的学科，机器学习包括人工智能和算法中的模式识别和计算学习理论，从过去学习并在复杂的情景中进行预测。它可用于分析无线通信中的先前/当前无线电情况和通信范例，例如频谱利用，信道容量，功率电平，天线配置和异构链路属性，并有助于生成最佳动作以提高质量服务（QoS）。

最近，一些机器学习算法被提出用于无线传感器网络、认知无线电网络、仿生网络、机器对机器通信、MIMO链路自适应、天线选择、拥塞控制等领域。机器学习因其在众多领域取得的巨大成功而成为当今最活跃的研究领域之一。然而，到目前为止，它对无线通信的影响非常有限，尽管机器学习在构建最先进的通信系统方面的潜力是广泛的。主要的挑战是如何将通信系统中的问题作为一个合适的机器学习模型来表述。

本期特刊欢迎高质量的原创研究论文，描述基于机器学习的智能方案在未来无线通信和网络应用方面的挑战或发现。理论和实验论文均受欢迎。预计特刊的论文将为学术界和工业界的广大读者提供有价值的参考。原始的，未发表的贡献和评论自然文章将被考虑。

可能的主题包括但不限于以下内容:

• 基于云和雾的通信与机器学习方案
• 使用机器学习算法的频谱分配方案
• 通过机器学习方法实现节能/绿色通信
• 软件定义无线电与机器学习方案
• 利用机器学习进行合作交流和联网
• 通过机器学习模型选择和配置天线
• 大规模MIMO通信与机器学习方案
• 用于网络运行和管理的机器学习
• 机器学习支持软件定义网络(SDN)和网络功能虚拟化(NFV)
• 认知无线电网络的机器学习
• 无线传感器网络的机器学习
• 异构网络的机器学习
• 物联网的机器学习