دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Alan Pak Tao Lau. Faisal Nadeem Khan
سری:
ISBN (شابک) : 0323852270, 9780323852272
ناشر: Academic Press
سال نشر: 2022
تعداد صفحات: 402
[404]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 22 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Machine Learning for Future Fiber-Optic Communication Systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری ماشینی برای سیستم های ارتباطی فیبر نوری آینده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یادگیری ماشین برای سیستمهای ارتباطی فیبر نوری آینده درمان جامع و عمیقی از مفاهیم و تکنیکهای یادگیری ماشین بهکار گرفته شده در حوزههای کلیدی در ارتباطات نوری و شبکه ارائه میکند و وضعیت را منعکس میکند. روش های تحقیقاتی و صنعتی به روز. این کتاب دانش و بینشهایی را در مورد نقشی که مکانیسمهای مبتنی بر یادگیری ماشین به زودی در تحقق آینده زیرساختهای شبکه نوری هوشمند ایفا خواهند کرد، ارائه میکند که میتوانند خود را مدیریت و نظارت کنند، مشکلات را تشخیص داده و حل کنند، و خدمات هوشمند و کارآمد را به کاربران نهایی ارائه دهند.< /span>
با پوشش به روز و پرداختن گسترده به موضوعات مختلف مهم مرتبط با یادگیری ماشین برای سیستم های ارتباطی فیبر نوری، این کتاب مرجع ارزشمندی برای محققان و مهندسان فوتونیک است. همچنین یک متن بسیار مناسب برای دانشجویان فارغ التحصیل علاقه مند به پردازش سیگنال و شبکه مبتنی بر ML است.
Machine Learning for Future Fiber-Optic Communication Systems provides a comprehensive and in-depth treatment of machine learning concepts and techniques applied to key areas within optical communications and networking, reflecting the state-of-the-art research and industrial practices. The book gives knowledge and insights into the role machine learning-based mechanisms will soon play in the future realization of intelligent optical network infrastructures that can manage and monitor themselves, diagnose and resolve problems, and provide intelligent and efficient services to the end users.
With up-to-date coverage and extensive treatment of various important topics related to machine learning for fiber-optic communication systems, this book is an invaluable reference for photonics researchers and engineers. It is also a very suitable text for graduate students interested in ML-based signal processing and networking.