智慧型通信：基於深度學習的物理層設計

內容簡介

近年來人工智慧特別是深度學習在計算機視覺、自然語言處理、語音識別等領域獲得了巨大成功，無線通信領域的研究者們期望將其套用於系統的各個層面，進而發展出智慧型通信，大幅度提升無線通信系統效能。智慧型通信也因此被認為是 5G 之後無線通信發展主流方向之一，其研究尚處於探索階段。本書結合國內外學術界在該領域的最新研究進展，著眼於智慧型通信中基於深度學習的物理層設計，對相關理論基礎、通信模組設計，以及算法實現等進行詳盡的介紹與分析。內容主要包括：神經網路的基礎及進階技巧、典型神經網路、基於深度學習的通信物理層基本模組設計等。為方便讀者學習，相關章節均提供了開原始碼(掃描二維碼下載)，以幫助讀者快速理解書中涉及的原理與概念。

圖書目錄

前言

第1章緒論

1.1智慧型通信引言

1.2人工智慧技術簡介

1.2.1人工神經網路

1.2.2深度神經網路

1.2.3卷積神經網路

1.2.4循環神經網路

1.2.5生成對抗神經網路

1.2.6深度增強學習神經網路

1.3智慧型通信當前研究進展

1.3.1信道估計

1.3.2信號檢測

1.3.3CSI反饋與重建

1.3.4信道解碼

1.3.5端到端無線通信系統

1.4總結與展望

1.5本章小結

參考文獻

第2章神經網路的基礎

2.1監督學習

2.2分類問題

2.3線性回歸

2.4邏輯回歸

2.5邏輯回歸的代價函式

2.6梯度下降法

2.7模型驗證

2.8基於TensorFlow的二分類範例

參考文獻

第3章神經網路的進階技巧

3.1多分類算法

3.2激活函式

3.2.1線性激活函式

3.2.2Sigmoid函式

3.2.3tanh函式

3.2.4ReLu函式

3.3神經網路的訓練準備

3.3.1輸入歸一化

3.3.2權重初始化

3.4正則化

3.4.1偏差和方差

3.4.2Dropout算法

3.4.3補償過擬合的其他方式

3.5批量歸一化

3.5.1歸一化網路的激活函式

3.5.2BN與神經網路的擬合

3.6最佳化算法

3.6.1Mini－Batch梯度下降法

3.6.2指數加權平均

3.6.3動量梯度下降法

智慧型通信：基於深度學習的物理層設計

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條