人工智能賦能6G無線通信網絡關鍵技術

[芬]海西克·金(Haesik Kim)

人工智能賦能6G無線通信網絡關鍵技術
  • 出版商: 機械工業
  • 出版日期: 2026-07-01
  • 定價: $774
  • 售價: 8.5 折 $657
  • 語言: 簡體中文
  • 頁數: 400
  • ISBN: 7111801555
  • ISBN-13: 9787111801559
  • 此書翻譯自: Artificial Intelligence for 6g

    • 立即出貨 (庫存 < 4)

簡體書新到貨｜2書75折 ( 10/22-10/31) 詳見活動內容 »

相關主題

商品描述

本書介紹了用於無線通信和網絡的人工智能技術，希望能幫助讀者利用人工智能技術解決通信和網絡的問題。 本書以循序漸進的方式介紹了如下人工智能技術： 非監督學習； 監督學習； 強化學習； 深度學習。 本書解釋了這些技術如何應用到無線通信和網絡系統中，特別是在設計和優化6G網絡方面的潛在應用。 本書聚焦6G技術研究前沿，對於國際上專註於網絡系統和移動通信未來發展的研究生、學者、工程師和開發人員而言，具有重要參考價值。

作者簡介

趙中原，北京郵電大學信息與通信工程學院教授，博士生導師。主要致力於智能無線網絡與通信、網絡數字孿生、無線通信感知一體化等相關方向的理論前沿研究與標準化應用。在相關方向發表高水平學術論文80餘篇，參與撰寫和出版多部專著、譯著，主持或參與國家和北京市自然科學基金、國家科技重大專項等科研項目20餘項，多次獲得省部級和社會力量科研獎勵。

目錄大綱

譯者序
前言
第一部分 人工智能技術
第1章 人工智能歷史簡述
1.1 人工智能簡介
1.2 人工智能歷史
參考文獻
第2章 人工智能的生態系統、重要技術與應用案例
2.1 人工智能的生態系統
2.2 人工智能的硬件和軟件
2.3 人工智能的技術和選擇
2.4 人工智能的工作流程和應用案例
參考文獻
第3章 無監督學習
3.1 無監督學習的類型和性能指標
3.2 聚類算法
3.2.1 層次聚類
3.2.2 分區聚類
3.3 關聯規則挖掘
3.4 降維
3.5 習題
參考文獻
第4章 監督學習
4.1 監督學習的工作流程、指標和集成方法
4.2 監督學習中的分類算法
4.2.1 決策樹
4.2.2 K-近鄰算法
4.2.3 支持向量機
4.3 監督學習中的回歸
4.3.1 線性回歸
4.3.2 梯度下降算法
4.3.3 邏輯回歸
4.4 習題
參考文獻
第5章 強化學習
5.1 強化學習簡介和馬爾可夫決策過程
5.2 基於模型的方法
5.2.1 策略疊代
5.2.2 價值疊代
5.3 無模型的方法
5.3.1 蒙特卡羅方法
5.3.2 時序差分學習方法
5.4 習題
參考文獻
第6章 深度學習
6.1 深度學習簡介
6.2 深度神經網絡
6.3 卷積神經網絡
6.4 循環神經網絡
6.5 習題
參考文獻
第二部分 人工智能賦能6G通信網絡技術
第7章 6G無線通信和網絡系統
7.1 6G無線通信和網絡
7.1.1 6G用例和需求
7.1.2 6G時間表、技術要求和技術挑戰
7.1.3 6G關鍵技術
7.2 人工智能賦能的6G無線通信和網絡
7.2.1 人工智能和機器學習對物理層的貢獻
7.2.2 人工智能和機器學習對數據鏈路層和網絡層的貢獻及開放式研究挑戰
7.3 習題
參考文獻
第8章 人工智能賦能的物理層
8.1 人工智能賦能的物理層的設計方法
8.2 使用自編碼器的端到端物理層重新設計
8.3 無線信道模型
8.4 信號檢測與調制
8.5 信道估計
8.6 差錯控制編碼
8.7 MIMO
8.8 習題
參考文獻
第9章 人工智能賦能的數據鏈路層
9.1 人工智能賦能的數據鏈路層的設計方法
9.2 無線資源分配和調度
9.2.1 無線網絡中的資源分配問題和凸優化
9.2.2 資源分配模型和性能度量指標
9.2.3 效用函數和資源分配公平性
9.2.4 基於AI技術的資源分配
9.3 基於AI技術的切換
9.4 習題
參考文獻
第10章 人工智能賦能的網絡層
10.1 人工智能賦能的網絡層的設計方法
10.2 蜂窩系統和網絡
10.2.1 蜂窩網絡的演變
10.2.2 蜂窩系統的概念
10.2.3 小區規劃
10.3 網絡流量預測
10.3.1 傳統網絡流量預測
10.3.2 人工智能網絡流量預測
10.4 習題
參考文獻
技術術語表

類似商品

最後瀏覽商品 (20)