消息 首页 搜索 举报
  • 智能通信:基于深度学的物理层设计 通讯
21年品牌 40万+商家 超1.5亿件商品

智能通信:基于深度学的物理层设计 通讯

通讯 新华书店全新正版书籍

￥ 60.45 6.8折 ￥ 89 全新

库存9件

河北保定
认证卖家担保交易快速发货售后保障

作者作者

出版社科学出版社

ISBN9787030654458

出版时间2020-06

版次1

装帧平装

开本16开

页数251页

字数330千字

定价89元

货号xhwx_1202092791

上书时间2021-12-10

浩子书屋

九年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
正版特价新书
商品描述
目录：

前言

章绪论1

1.1智能通信引言1

1.2人工智能技术简介3

1.2.1人工神经网络3

1.2.2深度神经网络4

1.2.3卷积神经网络5

1.2.4循环神经网络5

1.2.5生成对抗神经网络6

1.2.6深度增强学神经网络6

1.3智能通信当前研究进展7

1.3.1信道估计7

1.3.2信号检测8

1.3.3csi反馈与重建9

1.3.4信道译码10

1.3.5端到端无线通信系统11

1.4结与展望12

1.5本章小结14

参文献14

第2章神经网络的基础16

2.1监督学18

2.2分类问题19

2.3线回归22

2.4逻辑回归25

2.5逻辑回归的代价函数29

2.6梯度下降30

2.7模型验证34

2.8基于tensorflow的二分类范例35

参文献41

第3章神经网络的技巧42

3.1多分类算42

3.2激活函数46

3.2.1线激活函数47

3.2.2sigmoid函数47

3.2.3tanh函数48

3.2.4relu函数49

3.3神经网络的训练准备51

3.3.1输入归一化51

3.3.2权重初始化53

3.4正则化55

3.4.1偏差和方差55

3.4.2dropout算56

3.4.3补偿过拟合的其他方式58

3.5批量归一化60

3.5.1归一化网络的激活函数60

3.5.2bn与神经网络的拟合61

3.6优化算62

3.6.1mini-batch梯度下降62

3.6.2指数加权均63

3.6.3动量梯度下降64

3.6.4rmsprop65

3.6.5adam优化算65

3.6.6学率衰减66

3.7基于tensorflow的两层神经网络实例67

参文献71

第4章卷积神经网络73

4.1什么是卷积神经网络73

4.1.1计算机视觉73

4.1.2卷积神经网络74

4.2卷积神经网络基本75

4.2.1卷积神经网络的结构75

4.2.2卷积神经网络的层级组成及其75

4.2.3卷积神经网络的特点81

4.3卷积神经网络的经典网络81

4.3.1经典的卷积神经网络81

4.3.2alex概述81

4.3.3vgg概述82

4.3.4res概述84

4.4多层卷积神经网络实例86

4.5本章小结91

参文献91

第5章循环神经网络92

5.1什么是序列模型92

5.1.1序列模型简介92

5.1.2序列模型的符号定义93

5.2循环神经网络模型94

5.2.1rnn的前向传播94

5.2.2rnn的反向传播96

5.2.3不同类型的rnn98

5.2.4长期依赖问题99

5.3长短时记忆100

5.3.1长短时记忆网络100

5.3.2lstm的变形与演进103

5.3.3lstm实例应用106

5.4本章小结108

参文献108

第6章正交调制解调器109

6.1基于深度学的qam解调器设计109

6.1.1基本109

6.1.2snrvsber仿真结果112

6.2基于深度学的qam解调器设计117

6.2.1qam解调的评价标准117

6.2.2基于深度学的qam解调117

6.3本章小结127

第7章人工智能辅助的ofdm接收机128

7.1fc-dnnofdm接收机129

7.1.1系统结构129

7.1.2模型训练130

7.1.3仿真代码131

7.2ofdm接收机140

7.2.1整体架构140

7.2.2信道估计子网142

7.2.3信号检测子网143

7.2.4仿真代码145

7.3仿真能分析148

7.3.1仿真参数148

7.3.2整体ofdm接收机的仿真能148

7.4本章小结151

参文献151

第8章csi反馈及信道重建——csi152

8.1csi反馈背景知识152

8.2基本153

8.2.1系统模型153

8.2.2压缩感知155

8.2.3自动编码器155

8.3基于深度学的csi反馈156

8.3.1基于深度学的反馈机制156

8.3.2信道状态信息反馈网络(csi)结构157

8.4实验结果与分析159

8.4.1实验数据生成159

8.4.2实验程序160

8.4.3实验仿真结果166

8.5csi-lstm169

8.6本章小结177

参文献177

第9章滑动窗序列检测方179

9.1序列检测179

9.1.1序列检测的基本179

9.1.2优选似然序列检测准则[2]180

9.1.3维特比算181

9.2基于深度学的序列检测器实现185

9.2.1问题描述186

9.2.2深度学实现187

9.2.3仿真分析191

9.2.4结果分析198

9.3本章小结199

参文献199

0章基于深度学的turbo码译码200

10.1turbo码起源200

10.2turbo码编码201

10.2.1pccc型编码结构201

10.2.2sccc型编码结构202

10.2.3hccc型编码结构203

10.3turbo码传统译码算203

10.3.1turbo码译码结构204

10.3.2map算206

10.3.3log-map算209

10.3.4max-log-map算210

10.4基于深度学的信道译码210

10.4.1优化传统“黑箱”神经网络210

10.4.2参数化传统译码算211

10.5基于深度学的turbo码译码216

10.5.1模型的构建216

10.5.2能仿真226

10.5.3仿真程序228

10.6本章小结250

参文献250

内容简介：

来人工智能特别是深度学在计算机视觉、自然语言处理、语音识别等领域获得了巨大成功，无线通信领域的研究者们期望将其应用于系统的各个层面，进而发展出智能通信，大幅度提升无线通信系统效能。智能通信也因此被认为是5g之后无线通信发展主流方向之一，其研究尚处于探索阶段。本书结合外学术界在该领域的近期新研究进展，着眼于智能通信中基于深度学的物理层设计，对相关理论基础、通信模块设计，以及算实现等进行详尽的介绍与分析。内容主要包括：神经网络的基础及技巧、典型神经网络、基于深度学的通信物理层基本模块设计等。为方便读者学，相关章节均提供了开源代码(扫描二维码下载)，以帮助读者快速理解书中涉及的与概念。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

正版特价新书
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP