新書推薦：
《
清末民国骈文批评转型研究
》
售價：HK$
82.5
《
中国汉江流域观赏植物资源图鉴
》
售價：HK$
217.8
《
BIM概论与土建建模
》
售價：HK$
65.8
《
身体秩序与法律规训——传统中国的“身体法治”面相（国家哲学社会科学成果文库）
》
售價：HK$
218.9
《
日本佛教史纲
》
售價：HK$
92.4
《
给孩子的安全教育漫画：防走失、防拐骗 少儿安全教育专家GY局长 让孩子全面掌握保护自己方法
》
售價：HK$
41.8
《
多头政体——参与和反对（汉译名著18）
》
售價：HK$
61.6
《
政治经济学（汉译名著18）
》
售價：HK$
127.6
|
| 內容簡介： |
|
本书针对目前智能技术在提升移动通信和无线网络服务质量和用户体验方面面临的挑战，从连续广覆盖场景、热点高容量场景、低时延高可靠场景等典型场合详细讨论了机器学习、认知计算等智能技术在网络设计、部署优化方面的应用。全书内容包括：机器学习体系架构，无线网络深度强化学习，基于机器学习的通信网络安全和隐私保护技术，频谱感知移动计算，物联网（IoT）无线技术，机动自组网的基础结构和认知无线电中的频谱分配。
|
| 目錄：
|
目录
第 1 章 机器学习架构和框架 1
1.1 介绍 21
1.2 机器学习算法 3
1.2.1 回归 3
1.2.2 线性回归 4
1.2.3 支持向量机 (SVM) 4
1.2.4 线性分类器 5
1.2.5 SVM 应用 8
1.2.6 朴素贝叶斯分类器 8
1.2.7 随机森林算法 9
1.2.8 k 最近邻算法（KNN） 9
1.2.9 主成分分析法（PCA） 9
1.2.10 k 均值聚类 10
1.3 业务用例 10
1.4 机器学习架构数据采集 14
1.5 机器学习的最新应用 15
1.5.1 图像识别 16
1.5.2 情感分析 16
1.5.3 新闻分类 16
1.5.4 垃圾邮件过滤及电子邮件分类 17
1.5.5 语音识别 17
1.5.6 网络犯罪侦查 17
1.5.7 分类 17
1.5.8 溯源鉴别与预测 18
1.5.9 社交媒体服务 18
1.5.10 医疗服务 18
1.5.11 产品和服务推荐 18
1.5.11.1 教育中的机器学习 19
1.5.11.2 搜索引擎中的机器学习 19
1.5.11.3 数字化营销中的机器学习 19
1.5.11.4 医疗保健中的机器学习 19
1.6 机器学习的未来 20
1.7 总结 22
参考文献 23
第 2 章 认知计算：架构、技术和智能应用 25
2.1 介绍 26
2.2 认知计算系统的组成 27
2.3 主观计算 VS 计算推理 28
2.4 认知架构 29
2.5 主观结构与人机交互 31
2.6 认知设计与评估 32
2.6.1 20 世纪 40 年代构思的架构无法处理 2020 年的数据 41
2.7 认知技术在海量信息中挖掘 “财富” 41
2.7.1 技术有灵活安全的基础才强大 42
2.8 认知计算：概述 43
2.9 认知计算的未来 47
参考文献 49
第 3 章 无线网络中的深度强化学习 51
3.1 介绍 51
3.2 相关工作 54
3.3 从机器学习到深度学习 55
3.3.1 高级机器学习技术 56
3.3.1.1 深度学习 56
3.3.2 深度强化学习（DRL） 57
3.3.2.1 Q 学习 58
3.3.2.2 多臂老虎机强化学习（MABL） 58
3.3.2.3 执行器–评价器学习（ACL） 58
3.3.2.4 基于联合效用和策略估计的学习 59
3.4 机器学习模型在无线通信中的应用 59
3.4.1 无线通信的回归、KNN 和 SVM 模型 60
3.4.2 认知无线电的贝叶斯学习 60
3.4.3 无线网络中的深度学习 61
3.4.4 无线网络中的深度强化学习 62
3.4.5 交通工程和路由 63
3.4.6 资源共享和调度 64
3.4.7 功率控制和数据采集 64
3.5 总结 65
参考文献 66
第 4 章 智能通信的认知计算 73
4.1 介绍 74
4.2 认知计算发展史 75
4.3 认知计算的特点 76
4.4 基本架构 77
4.4.1 认知计算与通信 77
4.5 基于认知无线电的资源管理 78
4.6 利用认知计算和 AI 设计 5G 智能通信 80
4.6.1 基于强化学习的物理层设计 82
4.7 基于深度学习的高级无线信号处理 84
4.7.1 调制 85
4.7.2 信道解码的深度学习 86
4.7.3 深度学习检测 87
4.8 基于认知无线通信的应用 87
4.8.1 公共安全智能监控网络 88
4.8.2 认知卫生保健系统 88
4.9 总结 89
参考文献 89
第 5 章 认知无线电的频谱感知和分配方案 91
5.1 认知无线电的依据和原则 92
5.2 认知无线电网络的频谱感知 94
5.3 频谱感知技术的分类 95
5.4 能量检测 97
5.5 匹配滤波检测 100
5.6 循环平稳检测 103
5.7 欧式距离检测 107
5.8 认知无线电网络的频谱分配 108
5.9 频谱分配面临的挑战 118
5.9.1 频谱和网络异构性 119
5.9.2 问题和挑战 120
5.10 未来频谱分配的范围 122
参考文献 123
第 6 章 无线技术在物联网（IoT）中的重要性 131
6.1 介绍 132
6.1.1 物联网：历史背景 133
6.1.2 物联网：概述、定义和理解 133
6.1.3 物联网：现在和未来的范畴 135
6.2 物联网的硬件组成概述 136
6.2.1 物联网硬件组件：开发板平台 136
6.2.1.1 单片机 136
6.2.1.2 树莓派 137
6.2.1.3 BeagleBone 单片机 137
6.2.2 物联网硬件组件：传感器 138
6.2.2.1 感测器 138
6.2.2.2 制动器 138
6.3 物联网无线技术 139
6.3.1 拓扑 139
6.3.1.1 网络拓扑 140
6.3.1.2 星形拓扑 141
6.3.1.3 点对点拓扑 141
6.3.2 物联网网络 142
6.3.2.1 纳米网络 142
6.3.2.2 近场通信（NFC）网络 143
6.3.2.3 体域网（BAN） 143
6.3.2.4 个人局域网（PAN） 143
6.3.2.5 局域网（LAN） 143
6.3.2.6 校园企业的局域网（CAN） 143
6.3.2.7 城域网（MAN） 144
6.3.2.8 广域网（WAN） 144
6.3.3 物联网连接方式 144
6.3.3.1 设备到设备（D2D）机器到机器 (M2M) 144
6.3.3.2 机器到网关路由器（M2GR） 145
6.3.3.3 网关路由器到数据系统 (GR2DS) 145
6.3.3.4 数据系统到数据系统（DS2DS） 145
6.3.4 物联网协议标准 145
6.3.4.1 物联网网络协议 146
6.3.4.2 物联网数据协议 148
6.4 总结 150
参考文献 150
第 7 章 下一代认知网络的架构和协议 155
7.1 介绍 156
7.1.1 主网络（授权网络） 156
7.1.2 认知无线电网络（未授权网络） 156
7.2 认知无线电网络技术及应用 159
7.2.1 认知无线电分类 159
7.2.2 下一代（xG）认知无线电应用 162
7.3 认知计算：架构、技术和智能应用 163
7.3.1 认知无线电物理架构 163
7.4 下一代（xG）网络中认知无线电的功能 164
7.5 频谱感知 165
7.5.1 频谱决策 165
7.5.2 频谱迁移 165
7.5.3 认知无线电网络功能 165
7.6 智能通信的认知计算 167
7.6.1 认知无线电技术 167
7.7 认知无线电中的频谱分配 169
7.8 协作认知网络 173
7.8.1 协作集中协调 173
7.8 分散式 (分布式) 协作的协调和不协调性 176
参考文献 176
第 8 章 认知无线电技术分析 OFDM 系统的峰值平均功率比 179
8.1 介绍 180
8.2 OFDM 系统 181
8.3 峰值平均功率比 183
8.4 认知无线电（CR） 184
8.5 相关工作 186
8.6 神经网络系统模型 193
8.7 复杂性检测 194
8.8 峰均功率比和误码率检测 195
8.9 性能评估 196
8.10 结果与讨论 196
8.11 总结 200
参考文献 200
第 9 章 异构无线传感器网络中基于阈值的优化节能路由技术 203
9.1 介绍 204
9.2 文献综述 205
9.3 系统模型 207
9.3.1 四层异构网络模型 208
9.3.2 能量耗散无线电模型 210
9.4 拟议工作 211
9.4.1 拟议协议的最佳簇头选举 211
9.4.2 基于链系统的集群内和集群间通信的信息聚集和通信过程 214
9.4.3 拟议方法的完整工作过程 214
9.5 仿真结果与讨论 216
9.5.1 网络的寿命和稳定周期 217
9.5.2 网络卓越能源 219
9.5.3 生产量 219
9.5.4 与四级网络协议的比较分析 222
9.6 总结 222
参考文献 223
第 10 章 智慧城市中大数据应用的有效性 225
10.1 介绍 226
10.1.1 大数据的特性 227
10.1.1.1 高速 227
10.1.1.2 大量 227
10.1.1.3 价值 228
10.1.1.4 多样 228
10.1.1.5 准确 228
10.1.2 智慧城市的定义 228
10.2 大数据的数据类型 229
10.2.1 结构化数据 229
10.2.2 非结构化数据 230
10.2.3 半结构化数据 230
10.3 大数据技术 231
10.3.1 Apache Hadoop 软件库 231
10.3.2 Hadoop 分布式文件系统 231
10.3.3 Spark 计算引擎 232
10.3.4 微软 HDInsight 技术 232
10.3.5 非关系型的数据库 NoSQL 233
10.3.6 数据仓库工具 Hive 233
10.3.7 开源工具 Sqoop 234
10.3.8 统计应用软件 R 235
10.3.9 数据湖 235
10.4 大数据数据源 235
10.4.1 媒体 236
10.4.2 云 236
10.4.3 网络 236
10.4.4 物联网 236
10.4.5 作为大数据源的数据库 237
10.4.6 隐藏的大数据源 237
10.4.6.1 邮件 237
10.4.6.2 社交媒体 238
10.4.6.3 开源数据 238
10.4.6.4 传感器数据 238
10.4.7 面向应用的智慧城市大数据源 238
10.4.7.1 医疗服务 238
10.4.7.2 交通运输 239
10.4.7.3 教育 240
10.5 智慧城市的组成 241
10.5.1 智能基础设施 241
10.5.1.1 智能照明 241
10.5.1.2 现代停车系统 241
10.5.1.3 关联充电点 242
10.5.2 智能建筑和财产 242
10.5.2.1 安全及保安系统 242
10.5.2.2 花园的智能洒水系统 242
10.5.2.3 智能采暖通风 242
10.5.3 智能工业环境 243
10.5.4 智慧城市服务 243
10.5.4.1 智能摊位 243
10.5.4.2 危险区域的监测 244
10.5.4.3 公共安全 244
10.5.4.4 火灾爆炸管理 244
10.5.4.5 自动医疗交付 244
10.5.5 智能能源管理 244
10.5.5.1 智能电网 245
10.5.5.2 智能电表 245
10.5.6 智能供水管理 245
10.5.7 智能垃圾管理 245
10.6 智慧城市大数据的挑战与解决方案 246
10.6.1 智慧城市大数据的挑战 246
10.6.1.1 数据整合 246
10.6.1.2 安全隐私 246
10.6.1.3 数据分析 247
10.6.2 智慧城市大数据的解决方案 247
10.6.2.1 通过法令克服困难 247
10.6.2.2 让人们更智能 —— 人人接受教育 248
10.7 总结 248
|
| 內容試閱：
|
前 言
近年来，通信与网络技术领域取得的飞速进步，催生了全球范围内众多新型信息服务与应用的出现。这些技术发展持续对社会产生深远影响，不仅深刻改变了人们的生活方式，显著提升了服务质量与用户体验，但诸多技术挑战仍有待解决。基于此背景，本书旨在系统性地应对相关技术难题，构建面向机器学习赋能的移动通信与无线网络的研究体系。
为推动智能通信技术的发展，全面提升无线通信的服务质量与管理效能，本书在阐述最新技术所涉及的数学原理与概念框架之外，重点探讨了多个亟待突破的关键领域：包括无缝广域覆盖技术、高容量热点区域部署、低功耗海量连接方案，以及低时延高可靠性无线网络架构等。除移动核心网建设外，本书还深入解析机器学习技术在该领域的创新应用，包括机器学习体系结构与框架设计、面向无线网络的深度强化学习方法、基于机器学习的通信 / 网络安全与隐私保护机制、频谱感知移动计算技术、物联网 (IoT) 无线通信解决方案、移动机会网络基础设施构建，以及认知无线电频谱分配策略等。
值得关注的是，机器学习与认知计算的融合为智能机器系统带来了突破性解决方案。这两大技术的结合使机器获得了类人脑的推理认知能力。由于机器学习与认知计算研究涵盖心理学、生物学、信号处理、物理学、信息理论、数学和统计学等多学科领域，这些学科成果可有效支撑网络拓扑管理，因此通过数据分析和认知计算等机器学习技术的应用，将显著提升通信与无线系统的整体性能。
本书为高等院校教师、科研人员以及相关行业从业者提供了系统性的技术参考。全书融合了理论模型、数学推导与工程实例，同样适用于计算机科学和电子工程专业的本科生、研究生以及科研博士生的学习与研究。
Krishna Kant SinghAkansha SinghKorhan CengizDac – Nhuong Le
Ⅲ
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
