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: Fa-Long Luo (editor)
سری: Wiley - IEEE
ISBN (شابک) : 1119562252, 9781119562252
ناشر: WILEY
سال نشر: 2020
تعداد صفحات: 474
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 20 مگابایت
در صورت تبدیل فایل کتاب Machine Learning for Future Wireless Communications (Wiley - IEEE) 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 ارتباطات بی سیم آینده (Wiley - IEEE) 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.
مروری جامع بر تئوری، کاربرد و تحقیق یادگیری ماشینی برای ارتباطات بیسیم آینده در یک جلد، یادگیری ماشینی برای ارتباطات بیسیم آینده، یک درمان جامع و بسیار قابل دسترس برای تئوری، برنامههای کاربردی و پیشرفتهای تحقیقاتی جاری در جنبههای فناوری مربوط به یادگیری ماشینی برای ارتباطات و شبکه های بی سیم توسعه فناوری یادگیری ماشین برای ارتباطات بی سیم به طور انفجاری رشد کرده است و یکی از بزرگترین روندها در جوامع دانشگاهی، تحقیقاتی و صنعتی مرتبط است. فناوری یادگیری ماشین مبتنی بر شبکههای عصبی عمیق ابزاری امیدوارکننده برای حمله به چالش بزرگ در ارتباطات و شبکههای بیسیم است که به دلیل افزایش تقاضا از نظر ظرفیت، پوشش، تأخیر، انعطافپذیری کارایی، سازگاری، کیفیت تجربه و همگرایی سیلیکونی تحمیل شده است. نویسنده - یک متخصص برجسته در این موضوع - طیف گسترده ای از موضوعات از جمله معماری و بهینه سازی سیستم، پردازش لایه فیزیکی و متقاطع، رابط هوا و طراحی پروتکل، شکل دهی پرتو و پیکربندی آنتن، کدگذاری و برش شبکه، اکتساب سلول و تحویل، زمانبندی و انطباق نرخ، کنترل دسترسی رادیویی، ذخیرهسازی هوشمند فعال و تخصیص منابع تطبیقی. این منبع مهم که به طور منحصر به فرد در سه دسته سازماندهی شده است: هوش طیف، هوش انتقال و هوش شبکه، این منبع مهم: مروری جامع از تئوری، برنامهها و پیشرفتهای فعلی یادگیری ماشین برای ارتباطات و شبکههای بیسیم ارائه میکند. تخصیص منابع بررسی راه حل های مبتنی بر یادگیری ماشینی پیشرفته برای پوشش شبکه شامل نمای کلی از کاربردهای الگوریتم های یادگیری ماشین در شبکه های بی سیم آینده. پردازش دیجیتال جلویی (DFE) و فرکانس رادیویی (RF) نوشته شده برای مهندسان حرفه ای، محققان، دانشمندان، تولیدکنندگان، اپراتورهای شبکه، توسعه دهندگان نرم افزار و دانشجویان فارغ التحصیل، یادگیری ماشین برای ارتباطات بی سیم آینده در 21 فصل مروری جامع از موضوعی که توسط یک متخصص در این زمینه نوشته شده است.
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.