Draadloze communicatie is niet meer weg te denken uit ons dagdagelijkse leven. Iedereen maakt er gebruik van, met onder andere smartphones, tablets, laptops en internet-of-things toestellen die steunen op het gebruik van draadloze netwerken. Door het toenemend aantal beschikbare technologieën wordt het onderhoud van deze netwerken enorm complex. Net als in veel andere toepassingen kan artificiële intelligentie (AI) draadloze netwerken verbeteren. Echter is het trainen van neurale netwerken (onderdeel van AI) een moeilijke opdracht, wat het implementeren in realistische omgevingen bemoeilijkt. In dit proefschrift wordt onderzoek toegelicht voor het mogelijk maken van neurale netwerken op goedkope en energiezuinige toestellen. Hierbij worden optimalisaties geanalyseerd om grote neurale netwerken vanop de cloud dichter bij de eindgebruiker te brengen. Ook worden er technieken onderzocht waardoor er slechts een kleine hoeveelheid data verzameld dient te worden voor het trainen van de neurale netwerken. Hierdoor kan artificiële intelligentie eenvoudiger toegepast worden in nieuwe omgevingen met andere (signaal)eigenschappen en worden nieuwe draadloze technologieën sneller ondersteund.