Michel chamat dimitrios bersi kodra

3.2. Algorithms
 ........................................................................................ 19
 
3.2.1. Supervise Learning
 .................................................................... 19
 
3.2.1.1. Regression
 .............................................................................. 19
 
3.2.1.2. Classification
 .......................................................................... 20
 
3.2.2. Unsupervised Learning
 .............................................................. 21
 
3.2.3. Semi Supervise Learning
 ........................................................... 21
 
3.3. Restraints and Drawbacks
 ............................................................ 23
 
4. Dynamic Resource Allocation
 
24
 
4.1. Frame Structure
 ................................................................................ 24
 

---

xii 
4.1.1. Type 1: FDD Version
 ................................................................ 25
 
4.1.2. Type 2: TDD Version
 ................................................................ 25
 
4.2. Scheduler
 .......................................................................................... 27
 
4.3. Modulation and Coding Scheme
 ...................................................... 29
 
4.4. Scheduling Strategies
 ....................................................................... 32
 
5. Model Design
 
34
 
5.1. Scheme
 ............................................................................................. 35