智能通信與應(yīng)用

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(shù)的飛速發(fā)展
1.1.2 國家政策的支持與引導(dǎo)
1.2 智能通信的科技基礎(chǔ)1.2.1 人工智能
1.2.2 通信技術(shù)
1.2.3 智聯(lián)網(wǎng)
1.3 智能通信的關(guān)鍵技術(shù)及面臨的挑戰(zhàn)1.3.1 業(yè)務(wù)場景智能理解
1.3.2 網(wǎng)絡(luò)態(tài)勢智能認(rèn)知
1.3.3 意圖驅(qū)動的智能化管理
1.3.4 智能協(xié)作與人機(jī)協(xié)同
1.4 智能通信的科學(xué)意義
1.5 習(xí)題
參考文獻(xiàn)
第 2 章 智能通信的概念與體系結(jié)構(gòu)
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(nèi)容
2.3 互動智能通信2.3.1 智能信息推拉技術(shù)
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(gòu)
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(xí)題
參考文獻(xiàn)
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(jié)構(gòu)
3.1.3 專家系統(tǒng)的分類
3.1.4 專家系統(tǒng)的設(shè)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(zhì)量評估
3.3 人工神經(jīng)網(wǎng)絡(luò)3.3.1 從人工神經(jīng)元到人工神經(jīng)網(wǎng)絡(luò)
3.3.2 M-P 人工神經(jīng)元模型
3.3.3 感知機(jī)模型
3.3.4 自適應(yīng)線性神經(jīng)元
3.3.5 前饋多層神經(jīng)網(wǎng)絡(luò)
3.3.6 深度神經(jīng)網(wǎng)絡(luò)
3.3.7 卷積神經(jīng)網(wǎng)絡(luò)
3.4 智能機(jī)器人3.4.1 智能機(jī)器人概述
3.4.2 機(jī)器人的分類
3.4.3 機(jī)器人的組成
3.4.4 智能機(jī)器人的體系架構(gòu)
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(chǔ)
3.5.3 廣義人工智能的科學(xué)方法
3.6 習(xí)題
參考文獻(xiàn)
第 4 章 強(qiáng)化學(xué)習(xí)
4.1 強(qiáng)化學(xué)習(xí)的概念和分類4.1.1 強(qiáng)化學(xué)習(xí)的基本概念
4.1.2 強(qiáng)化學(xué)習(xí)的主要特點(diǎn)
4.1.3 強(qiáng)化學(xué)習(xí)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(qiáng)化學(xué)習(xí)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(xué)習(xí)算法
4.5 深度強(qiáng)化學(xué)習(xí)4.5.1 深度 Q 網(wǎng)絡(luò)
4.5.2 深度確定策略梯度算法
4.6 強(qiáng)化學(xué)習(xí)在移動邊緣計算中的應(yīng)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(qiáng)化學(xué)習(xí)的計算資源分配算法
4.7 習(xí)題
參考文獻(xiàn)
第 5 章 聯(lián)邦學(xué)習(xí)
5.1 聯(lián)邦學(xué)習(xí)簡介5.1.1 聯(lián)邦學(xué)習(xí)提出的背景
5.1.2 聯(lián)邦學(xué)習(xí)的概念
5.1.3 聯(lián)邦學(xué)習(xí)的特點(diǎn)
5.1.4 聯(lián)邦學(xué)習(xí)的分類
5.1.5 聯(lián)邦學(xué)習(xí)開源框架
5.2 橫向聯(lián)邦學(xué)習(xí)5.2.1 橫向聯(lián)邦學(xué)習(xí)的概念與應(yīng)用場景
5.2.2 橫向聯(lián)邦學(xué)習(xí)系統(tǒng)架構(gòu)
5.2.3 橫向聯(lián)邦學(xué)習(xí)算法 —— 聯(lián)邦平均算法
5.3 縱向聯(lián)邦學(xué)習(xí)5.3.1 縱向聯(lián)邦學(xué)習(xí)的概念與應(yīng)用場景
5.3.2 縱向聯(lián)邦學(xué)習(xí)系統(tǒng)架構(gòu)
5.3.3 縱向聯(lián)邦學(xué)習(xí)算法 —— 聯(lián)邦線性回歸
5.4 聯(lián)邦遷移學(xué)習(xí)5.4.1 異構(gòu)聯(lián)邦學(xué)習(xí)
5.4.2 聯(lián)邦遷移學(xué)習(xí)的概念及分類
5.4.3 聯(lián)邦遷移學(xué)習(xí)系統(tǒng)架構(gòu)
5.5 聯(lián)邦學(xué)習(xí)在醫(yī)療影像中的應(yīng)用5.5.1 COVID - 19 案例描述
5.5.2 COVID - 19 數(shù)據(jù)概述
5.5.3 聯(lián)邦遷移學(xué)習(xí)模型設(shè)計
5.5.4 訓(xùn)練效果
5.6 習(xí)題
參考文獻(xiàn)
第 6 章 智能通信的基礎(chǔ)設(shè)施
6.1 下一代網(wǎng)絡(luò)的概念與體系結(jié)構(gòu)6.1.1 下一代網(wǎng)絡(luò)的概念
6.1.2 基于軟交換的下一代網(wǎng)絡(luò)的體系架構(gòu)
6.1.3 下一代網(wǎng)絡(luò)的特點(diǎn)
6.1.4 下一代網(wǎng)絡(luò)的優(yōu)勢
6.1.5 基于軟交換的開放業(yè)務(wù)支撐環(huán)境
6.2 IMS 的概念與網(wǎng)絡(luò)架構(gòu)6.2.1 IMS 的概念
6.2.2 IMS 的特點(diǎn)
6.2.3 IMS 的網(wǎng)絡(luò)架構(gòu)
6.3 軟件定義網(wǎng)絡(luò)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(gòu)
6.4 網(wǎng)絡(luò)功能虛擬化6.4.1 NFV 的概念
6.4.2 NFV 的特點(diǎn)
6.4.3 NFV 的參考架構(gòu)
6.5 習(xí)題
參考文獻(xiàn)
第 7 章 認(rèn)知無線網(wǎng)絡(luò)
7.1 認(rèn)知無線電7.1.1 認(rèn)知無線電的概念和特點(diǎn)
7.1.2 頻譜感知
7.1.3 頻譜管理
7.1.4 頻譜共享
。。。。。。。。。。。。。。。