Книга “Machine Learning for Future Wireless Communications” написана группой авторов и представляет собой всеобъемлющий обзор теории, применения и исследований машинного обучения в будущей беспроводной связи. В одном томе авторы предлагают всесторонний и доступный подход к технологии, связанной с машинным обучением и беспроводной связью, а также к текущим исследованиям. Развитие технологии машинного обучения для беспроводной связи стремительно растет, и это один из самых больших трендов в академических, исследовательских и промышленных сообществах. Технология машинного обучения на основе глубоких нейронных сетей является многообещающим инструментом для решения больших проблем в беспроводной связи и сетях, вызванных растущими требованиями к емкости, покрытию, задержке, гибкости, совместимости, качеству опыта и конвергенции кремния. Автор - известный эксперт в этой области - охватывает широкий круг тем, включая архитектуру системы и оптимизацию, обработку физического и межслойного уровней, проектирование воздушной среды и протокола, формирование луча и конфигурацию антенн, сетевая кодировка и нарезка, захват ячейки и переключение, планирование и
В одной книге представлена теория, приложения и исследовательские разработки в машинном обучении для будущего беспроводной связи Machine Learning for future Wireless Communications содержит всесторонний и очень доступный подход к теории, приложениям и текущим исследованиям развития технологий, связанных с машинным обучением в беспроводной связи и сетях. Развитие технологии машинного обучения в беспроводной связи стремительно растет и является одной из главных тенденций среди соответствующих академических, исследовательских и промышленных сообществ. Технология машинного обучения на основе глубоких нейронных сетей является многообещающим инструментом для решения крупных проблем в беспроводной связи / сетях, таких как растущие требования к емкости, покрытию, времени задержки, эффективности, гибкости, совместимости, качеству опыта и конвергенции кремния. Автор - известный эксперт в этой области - охватывает широкий круг вопросов, включая системную архитектуру и оптимизацию, физический уровень и кросс-уровневую обработку, разработку методики передачи данных, формирование луча и конфигурацию антенн, сетевое кодирование и секционирование, емкие ячейки и переключения, планирование и адаптацию скоростей, управление доступом в радиосеть, умное предусмотрительное кэширование и адаптивное распределение ресурсов. Эта в высшей степени важная книга представляет собой уникальное группирование в три категории: интеллект в использовании спектра, интеллект в передаче данных и интеллект в сети. Она включает всесторонний обзор теории, приложений и разработок в области машинного обучения для беспроводной коммуникации и сетей, который охватывает широкий ряд вопросов, от архитектуры и оптимизации до адаптивного распределения ресурсов и обзора приложений алгоритмов машинного обучения в будущих беспроводных сетях.
Электронная Книга «Machine Learning for Future Wireless Communications» написана автором Группа авторов в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119562276
Описание книги от Группа авторов
A comprehensive review to the theory, application and research of machine learning for future wireless communications In one single volume, Machine Learning for Future Wireless Communications provides a comprehensive and highly accessible treatment to the theory, applications and current research developments to the technology aspects related to machine learning for wireless communications and networks. The technology development of machine learning for wireless communications has grown explosively and is one of the biggest trends in related academic, research and industry communities. Deep neural networks-based machine learning technology is a promising tool to attack the big challenge in wireless communications and networks imposed by the increasing demands in terms of capacity, coverage, latency, efficiency flexibility, compatibility, quality of experience and silicon convergence. The author – a noted expert on the topic – covers a wide range of topics including system architecture and optimization, physical-layer and cross-layer processing, air interface and protocol design, beamforming and antenna configuration, network coding and slicing, cell acquisition and handover, scheduling and rate adaption, radio access control, smart proactive caching and adaptive resource allocations. Uniquely organized into three categories: Spectrum Intelligence, Transmission Intelligence and Network Intelligence, this important resource: Offers a comprehensive review of the theory, applications and current developments of machine learning for wireless communications and networks Covers a range of topics from architecture and optimization to adaptive resource allocations Reviews state-of-the-art machine learning based solutions for network coverage Includes an overview of the applications of machine learning algorithms in future wireless networks Explores flexible backhaul and front-haul, cross-layer optimization and coding, full-duplex radio, digital front-end (DFE) and radio-frequency (RF) processing Written for professional engineers, researchers, scientists, manufacturers, network operators, software developers and graduate students, Machine Learning for Future Wireless Communications presents in 21 chapters a comprehensive review of the topic authored by an expert in the field.
