Uczenie maszynowe dla przyszłości

Oryginalny tytuł:

Machine Learning for Future Wi

Zawartość książki:

Kompleksowy przegląd teorii, zastosowań i badań nad uczeniem maszynowym dla przyszłej komunikacji bezprzewodowej.

W jednym tomie, Machine Learning for Future Wireless Communications zapewnia kompleksowe i bardzo przystępne podejście do teorii, zastosowań i aktualnych osiągnięć badawczych w aspektach technologicznych związanych z uczeniem maszynowym dla komunikacji i sieci bezprzewodowych. Rozwój technologii uczenia maszynowego w komunikacji bezprzewodowej gwałtownie się rozwinął i jest jednym z największych trendów w powiązanych społecznościach akademickich, badawczych i przemysłowych.

Technologia uczenia maszynowego oparta na głębokich sieciach neuronowych jest obiecującym narzędziem do walki z dużymi wyzwaniami w komunikacji bezprzewodowej i sieciach narzuconymi przez rosnące wymagania w zakresie przepustowości, zasięgu, opóźnień, elastyczności wydajności, kompatybilności, jakości doświadczenia i konwergencji krzemu. Autor - uznany ekspert w tej dziedzinie - omawia szeroki zakres tematów, w tym architekturę i optymalizację systemu, przetwarzanie w warstwie fizycznej i międzywarstwowej, projektowanie interfejsów i protokołów, kształtowanie wiązki i konfigurację anten, kodowanie i wycinanie sieci, pozyskiwanie i przekazywanie komórek, planowanie i dostosowywanie szybkości, kontrolę dostępu radiowego, inteligentne proaktywne buforowanie i adaptacyjne alokacje zasobów. Unikalnie podzielone na trzy kategorie: Spectrum Intelligence, Transmission Intelligence i Network Intelligence, ten ważny zasób:

⬤ Oferuje kompleksowy przegląd teorii, zastosowań i aktualnego rozwoju uczenia maszynowego dla komunikacji bezprzewodowej i sieci.

⬤ Obejmuje szereg tematów, od architektury i optymalizacji po adaptacyjne alokacje zasobów.

⬤ Przegląd najnowocześniejszych rozwiązań opartych na uczeniu maszynowym dla zasięgu sieci.

⬤ Zawiera przegląd zastosowań algorytmów uczenia maszynowego w przyszłych sieciach bezprzewodowych.

⬤ Analizuje elastyczny backhaul i fronthaul, optymalizację i kodowanie międzywarstwowe, radio full-duplex, cyfrowy front-end (DFE) i przetwarzanie częstotliwości radiowych (RF).

Napisana z myślą o profesjonalnych inżynierach, badaczach, naukowcach, producentach, operatorach sieci, twórcach oprogramowania i studentach, książka Machine Learning for Future Wireless Communications przedstawia w 21 rozdziałach kompleksowy przegląd tematu autorstwa eksperta w tej dziedzinie.