人工智能賦能6G無線通信網絡關鍵技術
[芬]海西克·金(Haesik Kim)
- 出版商: 機械工業
- 出版日期: 2026-07-01
- 定價: $774
- 售價: 7.9 折 $611
- 語言: 簡體中文
- 頁數: 400
- ISBN: 7111801555
- ISBN-13: 9787111801559
-
相關分類:
Machine Learning、DeepLearning、行動通訊 Mobile-communication
- 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 ( 11/14-11/22 ) 詳見活動內容 »
-
79折
$654用戶體驗度量:收集、分析與呈現, 3/e -
85折
$305算法設計與實踐 -
VIP 95折
Linux C 與 C++ 一線開發實踐, 2/e$954$906 -
79折
$283豆包 AI 賺錢手冊 -
79折
$421扣子(Coze)智能體開發:零代碼實現內容創作工作流 -
79折
$421扣子編程從一句話到產品上線:零門檻AI心流開發 -
79折
$327零基礎學 AI Agent 開發 : 扣子平臺實戰 + OpenClaw 輕鬆部署 -
79折
$279AGI 重塑世界 (通用人工智能時代的生存指南) -
79折
$232ARM Cortex-A9嵌入式微處理器體系結構與接口技術(微課視頻版) -
79折
$283OpenClaw(龍蝦)從入門到精通:AI工具實踐與安全配置 -
79折
$283Visual C++教程(第5版) -
79折
$421大疆無人機Mini系列機型航拍攝影與後期從入門到精通 -
79折
$796先進的高壓大功率器件——原理、特性和應用 -
79折
$232光電系統實訓指導 -
79折
$421物聯網開發與實戰 基於QuecPython -
79折
$327信號與系統——理論、方法與應用 -
79折
$606新一代非揮發存儲器STT- MRAM 的設計及應用 -
79折
$421圖解智能體設計:零基礎用扣子(Coze)搭建AI Agent實戰 -
79折
$938網絡體系結構:系統工程思維 -
79折
$283AI時代效率手冊:DeepSeek+25種工具高效協同實戰 -
79折
$374GEO不是你想的那樣:AI決策時代的增長重構 -
79折
$895HarmonyOS應用開發實踐(500集視頻課) -
79折
$369Claude Code + Skills 應用從入門到精通 -
$600中文版Premiere Pro 2026+AI 從入門到精通(微課視頻 全彩版) -
79折
$232科學圖表可視化:Python+Matplotlib
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
