認知無線網(wǎng)絡(luò)中的人工智能

第1章 認知無線網(wǎng)絡(luò)與人工智能
1.1 認知無線網(wǎng)絡(luò)
1.1.1 認知無線網(wǎng)絡(luò)概述
1.1.2 認知環(huán)路與認知引擎
1.2 人工智能概述
1.2.1 人工智能的定義和發(fā)展
1.2.2 人工智能的研究領(lǐng)域
1.3 人工智能在認知無線網(wǎng)絡(luò)中的應(yīng)用
1.3.1 環(huán)境感知、推理階段的應(yīng)用
1.3.2 認知學(xué)習(xí)階段的應(yīng)用
1.3.3 智能優(yōu)化階段的應(yīng)用
本章參考文獻
第2章 增強學(xué)習(xí)算法在認知網(wǎng)絡(luò)中的應(yīng)用
2.1 增強學(xué)習(xí)算法概述
2.1.1 增強學(xué)習(xí)的基本原理
2.1.2 增強學(xué)習(xí)系統(tǒng)的主要組成要素
2.1.3 增強學(xué)習(xí)的數(shù)學(xué)模型
2.2 增強學(xué)習(xí)算法的應(yīng)用舉例
2.2.1 Q學(xué)習(xí)算法在綠色認知無線網(wǎng)絡(luò)中的應(yīng)用
2.2.2 多跳認知無線網(wǎng)絡(luò)中基于增強學(xué)習(xí)的頻譜感知路由
2.2.3 增強學(xué)習(xí)算法在認知無線電頻譜檢測中的應(yīng)用
2.2.4 基于增強學(xué)習(xí)的CR技術(shù)在地面多播通信系統(tǒng)中的應(yīng)用
2.2.5 Nash-Stackelberg模糊Q學(xué)習(xí)決策方法在異構(gòu)認知網(wǎng)絡(luò)中的應(yīng)用
2.2.6 認知無線網(wǎng)絡(luò)中基于增強學(xué)習(xí)的動態(tài)頻譜分配拍賣算法
本章參考文獻
第3章 人工神經(jīng)網(wǎng)絡(luò)在認知網(wǎng)絡(luò)中的應(yīng)用
3.1 人工神經(jīng)網(wǎng)絡(luò)概述
3.1.1 人工神經(jīng)網(wǎng)絡(luò)的特點
3.1.2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
3.1.3 典型的人工神經(jīng)網(wǎng)絡(luò)模型
3.1.4 BP神經(jīng)網(wǎng)絡(luò)
3.2 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用舉例
3.2.1 認知無線Mesh網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)的頻譜感知
3.2.2 動態(tài)信道選擇中基于神經(jīng)網(wǎng)絡(luò)的認知控制器
3.2.3 認知網(wǎng)絡(luò)中基于頻譜相關(guān)性和神經(jīng)網(wǎng)絡(luò)的信號分類
3.2.4 認知無線云中基于神經(jīng)動力學(xué)的分布式優(yōu)化
3.2.5 認知無線電中基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和自適應(yīng)
本章參考文獻
第4章 遺傳算法在認知網(wǎng)絡(luò)中的應(yīng)用
4.1 遺傳算法概述
4.1.1 遺傳算法的概念
4.1.2 遺傳算法的算法流程
4.1.3 遺傳算法的特點
4.1.4 遺傳算法的應(yīng)用
4.2 遺傳算法的應(yīng)用舉例
4.2.1 基于遺傳算法的無線多載波收發(fā)器認知引擎
4.2.2 基于多目標免疫遺傳算法的認知無線電參數(shù)設(shè)計
4.2.3 認知無線網(wǎng)絡(luò)中基于遺傳算法的重配置技術(shù)
本章參考文獻
第5章 隱馬爾可夫模型在認知無線網(wǎng)絡(luò)中的應(yīng)用
5.1 隱馬爾可夫模型概述
5.1.1 隱馬爾可夫模型的概念及數(shù)學(xué)表示
5.1.2 在HMM中存在三個基本問題
5.1.3 解決問題的相關(guān)算法
5.1.4 缺陷
5.2 隱馬爾可夫模型在認知無線電中的應(yīng)用
5.2.1 基于HMM的信道狀態(tài)預(yù)測器
5.2.2 基于隱馬爾可夫模型的頻譜感知模型
5.2.3 隱馬爾可夫模型的動態(tài)頻譜分配：泊松分布案例
本章參考文獻
第6章 案例學(xué)習(xí)算法在認知無線網(wǎng)絡(luò)中的應(yīng)用
6.1 案例學(xué)習(xí)算法概述
6.1.1 案例描述和索引
6.1.2 典型的案例學(xué)習(xí)算法
6.1.3 案例檢索和修改
6.1.4 基于案例的推理
6.2 案例學(xué)習(xí)算法的應(yīng)用舉例
6.2.1 案例學(xué)習(xí)算法在無線電環(huán)境圖中的應(yīng)用
6.2.2 案例學(xué)習(xí)算法在認知無線電wiMAX中的應(yīng)用
6.2.3 認知無線電中提高空間效率和針對多目標的案例學(xué)習(xí)
6.2.4 認知無線電中采用案例學(xué)習(xí)和協(xié)作濾波的有效頻譜分配
6.2.5 3 G網(wǎng)絡(luò)用于提高覆蓋范圍的混合認知引擎
本章參考文獻