智能無線通信-前沿技術與應用 戴金晟 吳泊霖 王思賢 9787115630407 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$571
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202312*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：智能無線通信-前沿技術與應用 ISBN：9787115630407 出版社：人民郵電 著編譯者：戴金晟 吳泊霖 王思賢 頁數：247 所在地：中國大陸 *此為代購商品 書號：1603603 可大量預訂，請先連絡。 內容簡介 本書共分為四篇，涵蓋了12章。第1章為第一篇，介紹了無線通信中的人工智慧基礎理論與演算法，重點介紹了無線通信常用的人工智慧方法。第2章至第5章為第二篇，探討了人工智慧在無線通信傳輸技術中的應用，詳細解析了物理層信號處理中的典型案例。第6章至第9章為第三篇，聚焦於人工智能在無線通信組網技術中的應用，深入講解了資源管理中的典型案例。第10章到第12章為第四篇，討論了人工智慧在語義通信中的應用，詳細闡述了面向未來無線通信的語義通信系統。 本書可作為高等院校人工智慧、信息與通信工程學科的教材，也可為工程技術人員提供人工智慧在無線通信中的理論、演算法與應用方面的參考。目錄 第一篇 無線通信中的人工智慧基礎理論與演算法第1章 深度學習在無線通信系統中的應用 1 1 深度學習概述 1 1 1 深度學習的歷史 1 1 2 深度學習的原理 1 2 深度學習在無線通信中的基本應用 1 2 1 調製模式識別 1 2 2 通道狀態信息壓縮與恢復 1 2 3 通道估計 1 2 4 信號檢測 1 3 本章小結 參考文獻 第二篇 人工智慧在無線通信傳輸技術中的應用 第2章 基於深度學習的MIMO信號檢測 2 1 MIMO信號檢測基本原理與傳統演算法 2 1 1 系統模型 2 1 2 最優檢測演算法 2 1 3 線性檢測演算法 2 1 4 SD檢測演算法 2 2 基於深度學習的MIMO信號檢測網路DetNet 2 2 1 投影梯度下降演算法 2 2 2 DetNet 2 3 基於ScNet的MIMO信號檢測演算法 2 3 1 損失函數優化 2 3 2 網路輸入簡化 2 3 3 網路連接優化 2 3 4 ScNet高階調製信號檢測 2 3 5 ScNet性能分析與模擬 2 4 基於DetNet的其他改進演算法SimDetNet和基於動量梯度下降的MIMO信號檢測演算法 2 4 1 基於雙曲正切函數的DetNet簡化 2 4 2 動量梯度下降 2 4 3 性能分析與模擬 2 5 基於OAMP-Net的MIMO信號檢測演算法 2 5 1 OAMP演算法 2 5 2 OAMP-Net 2 5 3 改進的OAMP-Net的結構 2 6 本章小結 參考文獻 第3章 基於深度學習的MIMO-OFDM通道估計 3 1 OFDM系統原理與傳統通道估計演算法 3 1 1 OFDM通道估計概述 3 1 2 系統模型 3 1 3 最小二乘通道估計演算法 3 1 4 最小均方誤差通道估計演算法 3 2 基於深度學習的通道估計演算法 3 2 1 導頻符號框架結構 3 2 2 基於卷積神經網路的通道估計演算法 3 2 3 複雜度分析 3 2 4 模型訓練 3 3 本章小結 參考文獻 第4章 基於深度學習的鏈路自適應和通道測量反饋 4 1 基於深度學習的鏈路自適應技術 4 1 1 線性檢測 4 1 2 非線性檢測 4 2 基於深度學習的多天線通道測量反饋和信號檢測 4 2 1 深度學習中的注意力機制 4 2 2 基於深度學習的CSI測量與反饋 4 2 3 基於注意力機制的多進位大規模MIMO檢測 4 3 本章小結 參考文獻 第5章 基於深度學習的通道解碼 5 1 基於因子圖的通道解碼 5 1 1 floodingNOMS演算法 5 1 2 layeredNOMS演算法 5 2 從因子圖到定製神經網路 5 2 1 flooding解碼神經網路 5 2 2 layered解碼神經網路 5 3 解碼神經網路優化方案 5 3 1 訓練樣本的建立 5 3 2 深度學習解碼模型 5 3 3 泛化碼長深度學習解碼模型 5 4 網路訓練 5 5 性能評估 5 5 1 Neural flooding NOMS解碼演算法性能評估 5 5 2 Neural layered NOMS解碼演算法性能評估 5 6 本章小結 參考文獻 第三篇 人工智慧在無線通信組網技術中的應用 第6章 智能無線網路架構設計與分析 6 1 技術背景 6 1 1 無線網路認知技術 6 1 2 移動雲計算 6 1 3 移動邊緣計算 6 2 數據流架構 6 2 1 認知數據與方法 6 2 2 無線大數據認知流架構 6 3 計算流架構 6 3 1 雲計算與邊緣計算 6 3 2 可拓展型學習框架 6 3 3 可拓展型學習演算法 6 4 模型與數據協同驅動機制 6 5 本章小結 參考文獻 第7章 基於單節點機器學習的負載優化 7 1 基於高斯過程的無線流量預測模型 7 1 1 高斯過程模型 7 1 2 模型核函數設計 7 1 3 模型超參數訓練 7 2 基於深度強化學習的智能負載均衡模型 7 2 1 強化學習基礎 7 2 2 用戶切換模型 7 2 3 負載均衡問題建模 7 2 4 基於深度強化學習的負載均衡演算法 7 3 模擬驗證與結果分析 7 3 1 無線流量預測與基於負載感知的基站休眠 7 3 2 自組織網路的負載均衡 7 4 本章小結 參考文獻 第8章 基於多節點機器學習的負載優化 8 1 基於分散式高斯過程模型的多節點負載預測框架 8 1 1 整體框架設計 8 1 2 基於矩陣近似的分散式訓練演算法 8 1 3 基於矩陣分塊的分散式高斯過程訓練演算法 8 1 4 基於交叉驗證的分散式預測演算法 8 2 基於分散式深度強化學習模型的多節點負載均衡框架 8 2 1 整體框架設計 8 2 2 基於負載感知的基站聚類演算法 8 2 3 基於多探索策略的分散式強化學習演算法 8 3 模擬驗證與結果分析 8 3 1 分散式無線流量預測 8 3 2 大規模自組織網路負載均衡 8 4 本章小結 參考文獻 第9章 基於多智 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
