智能通信与应用

本书将飞速发展的通信技术同人工智能的基本原理结合起来，立足于技术前沿，以通信技术为主线，全面系统地介绍了智能通信的研究背景、科技基础、概念与体系结构、基础设施、传统的人工智能方法（专家系统、人工神经网络、智能机器人）、新兴的人工智能方法（知识图谱、强化学习、联邦学习），及其在认知无线网络、智能网联汽车、智能无人机网络和边缘智能的应用，比较完整地论述了智能通信的相关主题。根据人工智能和通信技术的契合程度，对人工智能和通信技术博采精取，让读者能够循序渐进地了解最新的智能通信技术，形成一个完整的知识体系图谱，便于学生快速创新。

第1章 智能通信概述1.1智能通信的研究背景1.1.1 新一代信息技术的飞速发展1.1.2 国家政策的支持与引导1.1.3 资本与业务需求的推动1.2智能通信的科技基础1.2.1人工智能1.2.2通信技术1.2.3“智能+”技术的新融合1.3智能通信的学术意义和应用价值1.4智能通信面临的挑战及研究方向1.5 本章知识点小结第2章 智能通信的概念与体系结构2.1企业智能通信2.1.1企业智能通信简介2.1.2企业智能通信框架2.1.3企业智能通信之路2.1.4企业智能通信解决方案2.2智能通信系统 2.2.1智能通信系统的概念 2.2.2智能通信系统的研究内容 2.3互动智能通信 2.3.1互动智能通信的提出 2.3.2互动智能通信的体系结构 2.3.3互动智能通信的关键技术 2.4 本章知识点小结 第3章 智能通信中的经典人工智能 3.1广义人工智能 3.1.1“广义人工智能”的概念 3.1.2“广义人工智能”的理论基础 3.1.3“广义人工智能”的科学方法 3.2专家系统与知识工程3.2.1从启发程序到专家系统3.2.2专家系统的概念与结构3.2.3专家系统的分类3.2.4专家系统的设计和开发3.2.5简单的动物识别专家系统实例3.2.6知识工程3.2.7知识表示3.3 知识图谱3.3.1知识图谱的概念和组成3.3.2知识抽取与表示3.3.3知识融合3.3.4知识推理与质量评估3.4人工神经网络3.3.1 从人工神经元到人工神经网络3.3.2 M-P人工神经元模型3.4.3 感知机模型3.4.4 自适应线性神经元3.4.5 前馈多层神经网络3.4.6 深度神经网络3.4.7 卷积神经网络3.4.8 循环神经网络3.4.9 生成对抗神经网络3.5智能机器人3.5.1 智能机器人概述3.5.2 机器人的分类3.5.3 机器人的组成3.5.4 智能机器人的体系结构3.6 本章知识点小结第4章 新兴人工智能技术——强化学习4.1 绪论4.4.1强化学习的概念4.4.2强化学习的主要特点4.4.3 强化学习算法分类4.2马尔可夫过程4.4.1 简介4.4.2 马尔可夫奖励过程4.4.3 马尔可夫决策过程4.3动态规划4.4.1 策略迭代4.4.2 价值迭代4.4.3 马尔可夫决策过程4.4策略优化4.4.1 基于价值的优化4.4.2 基于策略的优化4.4.3基于策略和价值的联合优化方法4.5强化学习的应用4.6本章知识点小结第5章 新兴人工智能技术——联邦学习5.1 联邦学习简介5.1.1 联邦学习提出的背景5.1.2 联邦学习的概念5.1.3 联邦学习的分类5.1.4 联邦学习平台5.2 横向联邦学习5.2.1 横向联邦学习的定义与应用场景5.2.2 横向联邦学习系统架构5.2.3 纵向联邦学习算法——联邦平均算法5.3 纵向联邦学习5.3.1 纵向联邦学习的定义与应用场景5.3.2 纵向联邦学习系统架构5.3.3 纵向联邦学习算法——联邦线性回归5.4 联邦迁移学习5.4.1 异构联邦学习5.4.2 联邦迁移学习的概念及分类5.4.3 联邦迁移学习系统架构5.5 联邦学习的应用5.6 本章知识点小结第6章 智能通信的基础设施6.1 下一代网络的概念与体系结构6.1.1 NGN产生的背景6.1.2 NGN的概念6.1.3 NGN的特点6.1.4 NGN的体系结构6.2 软交换6.2.1软交换的基本概念6.2.2软交换的主要功能6.2.3支持软交换的主要协议6.2.4软交换的技术优势6.3 IMS6.3.1 IMS的概念与背景6.3.2 IMS的标准化进程6.3.3 IMS的网络架构和主要功能实体6.3.4 IMS的主要协议和接口6.4软件定义网络6.4.1 SDN的基本概念和工作原理6.4.2 SDN架构6.4.3 SDN关键技术6.5 本章知识点小结第7章 认知无线网络7.1认知无线电7.1.1 频谱感知7.1.2 动态频谱管理7.1.3 发射功率控制7.2认知无线网络的体系结构7.2.1 认知循环7.2.2 认知无线电经典架构模型7.2.3 跨层设计7.3 基于深度学习的频谱感知7.3.1 认知网络中的分布式学习和推理、方法和设计决策7.3.2 认知网络的自学习7.3.3 频谱检测的基本模型7.3.4 单节点频谱检测技术7.3.5 多节点频谱检测技术7.4 智能联合无线资源管理7.5.1 智能联合无线资源管理模型7.5.2 接纳控制7.5.3 负载均衡7.5 本章知识点小结第8章 智能网联汽车8.1 车联网、智能交通与智能网联汽车8.1.1车联网8.1.2 智能交通8.1.3 智能网联汽车8.2 智能网联汽车的系统架构8.2.1硬件系统架构8.2.2云控系统架构8.3 智能网联汽车的组成8.3.1传感器8.3.2导航定位8.3.3网联通信8.3.4人机交互8.3.5计算平台8.4 环境感知与理解8.4.1目标检测8.4.2目标跟踪8.4.3融合感知8.5 决策与控制8.5.1自主决策与控制8.5.2协同决策与控制8.6 本章知识点小结第9章 智能无人机网络9.1 无人机系统概述9.1.1 无人机类型和任务9.1.2 无人机集群化9.1.3 无人机小型化9.2 无人机网络模型9.3 无人机飞行规划和轨迹优化9.4 无人机计算卸载9.4.1 计算卸载基本流程9.4.2 计算卸载运行机制9.4.3 计算卸载策略9.5 无人机网络的能效与算效联合优化设计9.5.1 最优化理论基础9.5.2 马尔可夫决策过程9.5.3 深度强化学习9.5.4 资源分配优化问题建模9.5.5智能无人机网络性能仿真分析9.6 本章知识点小结第10章 移动计算与边缘智能10.1 移动计算10.2 边缘计算10.3 移动边缘计算10.4 边缘智能的概念10.5 “云- 边- 端”体系架构10.5.1 体系架构模型10.5.2 “云- 边”协同10.5.3 “边- 边”协同10.5.4 “边- 端”协同10.5.5 “云- 边- 端”协同10.6 边缘智能中的资源与优化10.6 本章知识点小结