·详解无线通信中的人工智能计算理论与算法 ·可为高等院校相关专业人员提供人工智能在无线通信中的理论、算法与应用方面的参考 ·讨论了人工智能在语义通信中的应用，详细阐述了面向未来无线通信的语义通信系统。 ·随书配有高清彩插
售 价：¥
纸质售价：¥70.90购买纸书
6.7
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
第一篇 无线通信中的人工智能基础理论与算法
第 1 章 深度学习在无线通信系统中的应用
1.1 深度学习概述
1.2 深度学习在无线通信中的基本应用
1.3 本章小结
参考文献
第二篇 人工智能在无线通信传输技术中的应用
第 2 章 基于深度学习的MIMO信号检测
2.1 MIMO信号检测基本原理与传统算法
2.2 基于深度学习的MIMO信号检测网络 DetNet
2.3 基于ScNet的MIMO信号检测算法
2.4 基于DetNet的其他改进算法SimDetNet和基于动量梯度下降的MIMO信号检测算法
2.5 基于OAMP-Net的MIMO信号检测算法
2.6 本章小结
参考文献
第 3 章 基于深度学习的MIMO-OFDM信道估计
3.1 OFDM系统原理与传统信道估计算法
3.2 基于深度学习的信道估计算法
3.3 本章小结
参考文献
第 4 章 基于深度学习的链路自适应和信道测量反馈
4.1 基于深度学习的链路自适应技术
4.2 基于深度学习的多天线信道测量反馈和信号检测
4.3 本章小结
参考文献
第 5 章 基于深度学习的信道译码
5.1 基于因子图的信道译码
5.2 从因子图到定制神经网络
5.3 译码神经网络优化方案
5.4 网络训练
5.5 性能评估
5.6 本章小结
参考文献
第三篇 人工智能在无线通信组网技术中的应用
第 6 章 智能无线网络架构设计与分析
6.1 技术背景
6.2 数据流架构
6.3 计算流架构
6.4 模型与数据协同驱动机制
6.5 本章小结
参考文献
第 7 章 基于单节点机器学习的负载优化
7.1 基于高斯过程的无线流量预测模型
7.2 基于深度强化学习的智能负载均衡模型
7.3 仿真验证与结果分析
7.4 本章小结
参考文献
第 8 章 基于多节点机器学习的负载优化
8.1 基于分布式高斯过程模型的多节点负载预测框架
8.2 基于分布式深度强化学习模型的多节点负载均衡框架
8.3 仿真验证与结果分析
8.4 本章小结
参考文献
第 9 章 基于多智能体强化学习的负载优化
9.1 系统模型
9.2 基于投票机制的多智能体强化学习
9.3 收敛性分析
9.4 仿真验证与结果分析
9.5 本章小结
参考文献
第四篇 人工智能在语义通信中的应用
第 10 章 从经典信息论到广义信息论
10.1 经典信息论
10.2 信息的层次与语义信息
10.3 广义信息论
10.4 算法信息论
10.5 本章小结
参考文献
第 11 章 语义通信模型
11.1 语义通信系统框架
11.2 语义通信系统与经典通信系统术语对比
11.3 语义通信与语义分析对比
11.4 语义通信的度量指标
11.5 语义压缩极限初探
11.6 本章小结
第 12 章 语义编码传输
12.1 非线性变换联合信源信道编码方法
12.2 非线性变换联合信源信道编码变分建模
12.3 仿真验证与结果分析
12.4 本章小结
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
