認知無線網絡中的人工智能

第1章 認知無線網絡與人工智能
1.1 認知無線網絡
1.1.1 認知無線網絡概述
1.1.2 認知環(huán)路與認知引擎
1.2 人工智能概述
1.2.1 人工智能的定義和發(fā)展
1.2.2 人工智能的研究領域
1.3 人工智能在認知無線網絡中的應用
1.3.1 環(huán)境感知、推理階段的應用
1.3.2 認知學習階段的應用
1.3.3 智能優(yōu)化階段的應用
本章參考文獻
第2章 增強學習算法在認知網絡中的應用
2.1 增強學習算法概述
2.1.1 增強學習的基本原理
2.1.2 增強學習系統(tǒng)的主要組成要素
2.1.3 增強學習的數學模型
2.2 增強學習算法的應用舉例
2.2.1 Q學習算法在綠色認知無線網絡中的應用
2.2.2 多跳認知無線網絡中基于增強學習的頻譜感知路由
2.2.3 增強學習算法在認知無線電頻譜檢測中的應用
2.2.4 基于增強學習的CR技術在地面多播通信系統(tǒng)中的應用
2.2.5 Nash-Stackelberg模糊Q學習決策方法在異構認知網絡中的應用
2.2.6 認知無線網絡中基于增強學習的動態(tài)頻譜分配拍賣算法
本章參考文獻
第3章 人工神經網絡在認知網絡中的應用
3.1 人工神經網絡概述
3.1.1 人工神經網絡的特點
3.1.2 人工神經網絡的結構
3.1.3 典型的人工神經網絡模型
3.1.4 BP神經網絡
3.2 人工神經網絡的應用舉例
3.2.1 認知無線Mesh網絡中基于神經網絡的頻譜感知
3.2.2 動態(tài)信道選擇中基于神經網絡的認知控制器
3.2.3 認知網絡中基于頻譜相關性和神經網絡的信號分類
3.2.4 認知無線云中基于神經動力學的分布式優(yōu)化
3.2.5 認知無線電中基于神經網絡的學習和自適應
本章參考文獻
第4章 遺傳算法在認知網絡中的應用
4.1 遺傳算法概述
4.1.1 遺傳算法的概念
4.1.2 遺傳算法的算法流程
4.1.3 遺傳算法的特點
4.1.4 遺傳算法的應用
4.2 遺傳算法的應用舉例
4.2.1 基于遺傳算法的無線多載波收發(fā)器認知引擎
4.2.2 基于多目標免疫遺傳算法的認知無線電參數設計
4.2.3 認知無線網絡中基于遺傳算法的重配置技術
本章參考文獻
第5章 隱馬爾可夫模型在認知無線網絡中的應用
5.1 隱馬爾可夫模型概述
5.1.1 隱馬爾可夫模型的概念及數學表示
5.1.2 在HMM中存在三個基本問題
5.1.3 解決問題的相關算法
5.1.4 缺陷
5.2 隱馬爾可夫模型在認知無線電中的應用
5.2.1 基于HMM的信道狀態(tài)預測器
5.2.2 基于隱馬爾可夫模型的頻譜感知模型
5.2.3 隱馬爾可夫模型的動態(tài)頻譜分配：泊松分布案例
本章參考文獻
第6章 案例學習算法在認知無線網絡中的應用
6.1 案例學習算法概述
6.1.1 案例描述和索引
6.1.2 典型的案例學習算法
6.1.3 案例檢索和修改
6.1.4 基于案例的推理
6.2 案例學習算法的應用舉例
6.2.1 案例學習算法在無線電環(huán)境圖中的應用
6.2.2 案例學習算法在認知無線電wiMAX中的應用
6.2.3 認知無線電中提高空間效率和針對多目標的案例學習
6.2.4 認知無線電中采用案例學習和協作濾波的有效頻譜分配
6.2.5 3 G網絡用于提高覆蓋范圍的混合認知引擎
本章參考文獻