认知无限网络中的人工智能

第1章  认知无线网络与人工智能  1.1 认知无线网络    1.1.1 认知无线网络概述    1.1.2 认知环路与认知引擎  1.2 人工智能概述    1.2.1 人工智能的定义和发展    1.2.2 人工智能的研究领域  1.3 人工智能在认知无线网络中的应用    1.3.1 环境感知、推理阶段的应用    1.3.2 认知学习阶段的应用    1.3.3 智能优化阶段的应用  本章参考文献第2章  增强学习算法在认知网络中的应用  2.1 增强学习算法概述    2.1.1 增强学习的基本原理    2.1.2 增强学习系统的主要组成要素    2.1.3 增强学习的数学模型  2.2 增强学习算法的应用举例    2.2.1 q学习算法在绿色认知无线网络中的应用    2.2.2 多跳认知无线网络中基于增强学习的频谱感知路由    2.2.3 增强学习算法在认知无线电频谱检测中的应用    2.2.4 基于增强学习的cr技术在地面多播通信系统中的应用    2.2.5 nash—stackelberg模糊q学习决策方法在异构认知网络中的应用    2.2.6 认知无线网络中基于增强学习的动态频谱分配拍卖算法  本章参考文献第3章  人工神经网络在认知网络中的应用  3.1 人工神经网络概述    3.1.1 人工神经网络的特点    3.1.2 人工神经网络的结构    3.1.3 典型的人工神经网络模型    3.1.4 bp神经网络  3.2 人工神经网络的应用举例    3.2.1 认知无线mesh网络中基于神经网络的频谱感知    3.2.2 动态信道选择中基于神经网络的认知控制器    3.2.3 认知网络中基于频谱相关性和神经网络的信号分类    3.2.4 认知无线云中基于神经动力学的分布式优化    3.2.5 认知无线电中基于神经网络的学习和自适应  本章参考文献第4章  遗传算法在认知网络中的应用  4.1 遗传算法概述    4.1.1 遗传算法的概念    4.1.2 遗传算法的算法流程    4.1.3 遗传算法的特点    4.1.4 遗传算法的应用  4.2 遗传算法的应用举例    4.2.1 基于遗传算法的无线多载波收发器认知引擎    4.2.2 基于多目标免疫遗传算法的认知无线电参数设计    4.2.3 认知无线网络中基于遗传算法的重配置技术  本章参考文献第5章  隐马尔可夫模型在认知无线网络中的应用  5.1 隐马尔可夫模型概述    5.1.1 隐马尔可夫模型的概念及数学表示    5.1.2 在hmm中存在三个基本问题    5.1.3 解决问题的相关算法    5.1.4 缺陷  5.2 隐马尔可夫模型在认知无线电中的应用    5.2.1 基于hmm的信道状态预测器    5.2.2 基于隐马尔可夫模型的频谱感知模型    5.2.3 隐马尔可夫模型的动态频谱分配：泊松分布案例  本章参考文献第6章  案例学习算法在认知无线网络中的应用  6.1 案例学习算法概述    6.1.1 案例描述和索引    6.1.2 典型的案例学习算法    6.1.3 案例检索和修改    6.1.4 基于案例的推理  6.2 案例学习算法的应用举例    6.2.1 案例学习算法在无线电环境图中的应用    6.2.2 案例学习算法在认知无线电wimax中的应用    6.2.3 认知无线电中提高空间效率和针对多目标的案例学习    6.2.4 认知无线电中采用案例学习和协作滤波的有效频谱分配    6.2.5 3 g网络用于提高覆盖范围的混合认知引擎  本章参考文献