作品总结
《面向未来无线通信的机器学习》
《面向未来无线通信的机器学习》由于其强大的非线性映射和分布处理能力，基于深度神经网络的机器学习技术被认为是一种非常有前途的工具，可以应对无线通信和网络在容量、覆盖、延迟、效率（功率、频谱和其他资源）、灵活性、兼容性、体验质量和芯片融合等方面的需求激增所带来的巨大挑战。
本书主要分为监督学习、无监督学习和强化学习，各种机器学习（ML）算法可用于在毫米和太赫兹波段提供更好的信道建模和估计；在大规模多输入多输出 (MIMO) 技术中选择更具适应性的调制（波形、编码率、带宽和滤波结构）；设计更高效的前端和射频处理（用于功率放大器补偿的预失真、波束成形配置和波峰因数降低）；为全双工传输和设备到设备通信提供更好的自干扰消除折衷方案；为无线大数据、关键任务通信、海量机器类通信和触觉互联网相关的智能网络优化、移动边缘计算、网络切片和无线电资源管理提供更实用的解决方案。
客服咨询
400 093 7005
周一至周日：09:00AM-21:00PM
微信扫码关注
小程序扫码注册
0条评论