內容前沿且系統(tǒng)
融合前沿技術:將通信技術與人工智能基本原理緊密融合,立足技術前沿,全面介紹智能通信相關主題,涵蓋從研究背景到各類人工智能方法及其在多領域應用,展現(xiàn)最新成果。
構建完整體系:全書 10 章,以通信技術為主線,系統(tǒng)闡述智能通信知識,幫助學生循序漸進形成完整知識圖譜,為創(chuàng)新奠定基礎。
講解透徹易懂
博采精。阂罁斯ぶ悄芎屯ㄐ偶夹g契合程度,精心選取內容,在注重邏輯性的同時,以典型應用案例講解,剖析細致全面,便于理解。
理論實踐結合:每章貫穿 1 - 2 個應用實例,精煉知識,反映通信技術發(fā)展趨勢規(guī)律,深入淺出,降低學習難度。
適用范圍廣泛
教學適用:可作為通信工程、電子信息類專業(yè)教材或教學參考書,滿足專業(yè)教學需求。
行業(yè)參考:也適用于相關專業(yè)工程技術和科研人員,提供知識參考。
第 1 章 智能通信概述
1.1 智能通信的研究背景1.1.1 新一代信息技術的飛速發(fā)展
1.1.2 國家政策的支持與引導
1.2 智能通信的科技基礎1.2.1 人工智能
1.2.2 通信技術
1.2.3 智聯(lián)網
1.3 智能通信的關鍵技術及面臨的挑戰(zhàn)1.3.1 業(yè)務場景智能理解
1.3.2 網絡態(tài)勢智能認知
1.3.3 意圖驅動的智能化管理
1.3.4 智能協(xié)作與人機協(xié)同
1.4 智能通信的科學意義
1.5 習題
參考文獻
第 2 章 智能通信的概念與體系結構
2.1 企業(yè)智能通信2.1.1 智能通信簡介
2.1.2 企業(yè)智能通信框架
2.1.3 企業(yè)智能通信之路
2.1.4 智能通信解決方案
2.2 智能通信系統(tǒng)2.2.1 智能通信系統(tǒng)的概念
2.2.2 智能通信系統(tǒng)的研究內容
2.3 互動智能通信2.3.1 智能信息推拉技術
2.3.2 互動智能通信的提出
2.3.3 互動智能通信的體系架構
2.3.4 互動智能通信框架
2.4 分布智能通信
2.5 移動智能通信
2.6 習題
參考文獻
第 3 章 智能通信中傳統(tǒng)的人工智能
3.1 專家系統(tǒng)與知識工程3.1.1 從啟發(fā)程序到專家系統(tǒng)
3.1.2 專家系統(tǒng)的概念與結構
3.1.3 專家系統(tǒng)的分類
3.1.4 專家系統(tǒng)的設計和開發(fā)
3.1.5 簡單的動物識別專家系統(tǒng)實例
3.1.6 知識工程
3.1.7 知識表示
3.2 知識圖譜3.2.1 知識圖譜的概念和組成
3.2.2 知識抽取與表示
3.2.3 知識融合
3.2.4 知識推理與質量評估
3.3 人工神經網絡3.3.1 從人工神經元到人工神經網絡
3.3.2 M-P 人工神經元模型
3.3.3 感知機模型
3.3.4 自適應線性神經元
3.3.5 前饋多層神經網絡
3.3.6 深度神經網絡
3.3.7 卷積神經網絡
3.4 智能機器人3.4.1 智能機器人概述
3.4.2 機器人的分類
3.4.3 機器人的組成
3.4.4 智能機器人的體系架構
3.5 廣義人工智能3.5.1 廣義人工智能的概念
3.5.2 廣義人工智能的理論基礎
3.5.3 廣義人工智能的科學方法
3.6 習題
參考文獻
第 4 章 強化學習
4.1 強化學習的概念和分類4.1.1 強化學習的基本概念
4.1.2 強化學習的主要特點
4.1.3 強化學習的分類
4.2 馬爾可夫決策過程4.2.1 馬爾可夫過程
4.2.2 馬爾可夫獎勵過程
4.2.3 馬爾可夫決策過程
4.3 動態(tài)規(guī)劃4.3.1 策略迭代
4.3.2 價值迭代
4.4 無模型強化學習方法4.4.1 蒙特卡羅法
4.4.2 時序差分法
4.4.3 Sarsa 算法
4.4.4 Q - 學習算法
4.5 深度強化學習4.5.1 深度 Q 網絡
4.5.2 深度確定策略梯度算法
4.6 強化學習在移動邊緣計算中的應用4.6.1 移動邊緣計算系統(tǒng)模型
4.6.2 移動邊緣計算形式化建模
4.6.3 基于強化學習的計算資源分配算法
4.7 習題
參考文獻
第 5 章 聯(lián)邦學習
5.1 聯(lián)邦學習簡介5.1.1 聯(lián)邦學習提出的背景
5.1.2 聯(lián)邦學習的概念
5.1.3 聯(lián)邦學習的特點
5.1.4 聯(lián)邦學習的分類
5.1.5 聯(lián)邦學習開源框架
5.2 橫向聯(lián)邦學習5.2.1 橫向聯(lián)邦學習的概念與應用場景
5.2.2 橫向聯(lián)邦學習系統(tǒng)架構
5.2.3 橫向聯(lián)邦學習算法 聯(lián)邦平均算法
5.3 縱向聯(lián)邦學習5.3.1 縱向聯(lián)邦學習的概念與應用場景
5.3.2 縱向聯(lián)邦學習系統(tǒng)架構
5.3.3 縱向聯(lián)邦學習算法 聯(lián)邦線性回歸
5.4 聯(lián)邦遷移學習5.4.1 異構聯(lián)邦學習
5.4.2 聯(lián)邦遷移學習的概念及分類
5.4.3 聯(lián)邦遷移學習系統(tǒng)架構
5.5 聯(lián)邦學習在醫(yī)療影像中的應用5.5.1 COVID - 19 案例描述
5.5.2 COVID - 19 數據概述
5.5.3 聯(lián)邦遷移學習模型設計
5.5.4 訓練效果
5.6 習題
參考文獻
第 6 章 智能通信的基礎設施
6.1 下一代網絡的概念與體系結構6.1.1 下一代網絡的概念
6.1.2 基于軟交換的下一代網絡的體系架構
6.1.3 下一代網絡的特點
6.1.4 下一代網絡的優(yōu)勢
6.1.5 基于軟交換的開放業(yè)務支撐環(huán)境
6.2 IMS 的概念與網絡架構6.2.1 IMS 的概念
6.2.2 IMS 的特點
6.2.3 IMS 的網絡架構
6.3 軟件定義網絡6.3.1 SDN 的基本概念
6.3.2 SDN 的特征
6.3.3 SDN 的體系架構
6.4 網絡功能虛擬化6.4.1 NFV 的概念
6.4.2 NFV 的特點
6.4.3 NFV 的參考架構
6.5 習題
參考文獻
第 7 章 認知無線網絡
7.1 認知無線電7.1.1 認知無線電的概念和特點
7.1.2 頻譜感知
7.1.3 頻譜管理
7.1.4 頻譜共享
。。。。。。。。。。。。。。。