本研究解决了在B5G和6G网络中如何有效整合人工智能以增强网络能力的挑战。论文提出了一种演变的网络数据分析功能（NWDAF）框架，提供了必要的接口，以便在核心网络中引入AI能力。最重要的发现是，为实现分布式e-NWDAF确定了一系列研究方向，这将对未来的网络架构产生深远影响。

本文探讨了深度学习在5G及B5G网络资源调度中的应用，介绍了多种深度学习模型及其在无线网络资源分配中的研究进展。研究表明，深度学习技术能够有效优化频谱和功率分配，提高网络性能和用户成功率。

本文探讨了开放无线接入网络（O-RAN）的设计与评估，介绍了基于强化学习的xApp开发、实时管理机制、智能切换框架及对抗性机器学习研究。提出了ColO-RAN测试框架，优化了网络切片和资源分配，展示了基于AI的调度与功率控制的优势，显著提升了网络性能。

本文介绍了将NWDAF应用于基于开源软件的5G网络，提供智能分析和处理方法。作者提出了基于数据收集和分析的方法，讨论了NWDAF的用途和应用，以及5G网络的限制和6G网络的发展前景。