Deep Reinforcement Learning for Wireless Networks / Yu, F. Richard  

Público ISBD Ningún comentario para este registro. Título : Deep Reinforcement Learning for Wireless Networks Tipo de documento: documento electrónico Autores: Yu, F. Richard, Autor ; He, Ying, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: VIII, 71 p. 28 ilustraciones, 26 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-10546-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas de comunicación inalámbrica  Sistemas de comunicación móviles  Inteligencia artificial  Telecomunicación  Comunicación inalámbrica y móvil  Ingeniería en Comunicaciones  Redes Índice Dewey: 621.384 Radio y radar Resumen: Este Springerbrief presenta un enfoque de aprendizaje por refuerzo profundo de sistemas inalámbricos para mejorar el rendimiento del sistema. En particular, el enfoque de aprendizaje por refuerzo profundo se utiliza en redes inalámbricas de alineación de interferencia oportunista habilitadas para caché y redes sociales móviles. Se presentan resultados de simulación con diferentes parámetros de red para mostrar la efectividad del esquema propuesto. Hay un aumento fenomenal de actividades de investigación en inteligencia artificial, aprendizaje por refuerzo profundo y sistemas inalámbricos. El aprendizaje por refuerzo profundo se ha utilizado con éxito para resolver muchos problemas prácticos. Por ejemplo, Google DeepMind adopta este método en varios proyectos de inteligencia artificial con big data (por ejemplo, AlphaGo) y obtiene resultados bastante buenos. Los estudiantes de posgrado en ingeniería eléctrica e informática, así como en ciencias de la computación, encontrarán este resumen útil como estudio. guía. Investigadores, ingenieros, informáticos, programadores y responsables políticos también encontrarán este informe como una herramienta útil. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Deep Reinforcement Learning for Wireless Networks [documento electrónico] / Yu, F. Richard, Autor ; He, Ying, Autor  . -  1 ed.  . - [s.l.] : Springer, 2019 . - VIII, 71 p. 28 ilustraciones, 26 ilustraciones en color. ISBN : 978-3-030-10546-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas de comunicación inalámbrica  Sistemas de comunicación móviles  Inteligencia artificial  Telecomunicación  Comunicación inalámbrica y móvil  Ingeniería en Comunicaciones  Redes Índice Dewey: 621.384 Radio y radar Resumen: Este Springerbrief presenta un enfoque de aprendizaje por refuerzo profundo de sistemas inalámbricos para mejorar el rendimiento del sistema. En particular, el enfoque de aprendizaje por refuerzo profundo se utiliza en redes inalámbricas de alineación de interferencia oportunista habilitadas para caché y redes sociales móviles. Se presentan resultados de simulación con diferentes parámetros de red para mostrar la efectividad del esquema propuesto. Hay un aumento fenomenal de actividades de investigación en inteligencia artificial, aprendizaje por refuerzo profundo y sistemas inalámbricos. El aprendizaje por refuerzo profundo se ha utilizado con éxito para resolver muchos problemas prácticos. Por ejemplo, Google DeepMind adopta este método en varios proyectos de inteligencia artificial con big data (por ejemplo, AlphaGo) y obtiene resultados bastante buenos. Los estudiantes de posgrado en ingeniería eléctrica e informática, así como en ciencias de la computación, encontrarán este resumen útil como estudio. guía. Investigadores, ingenieros, informáticos, programadores y responsables políticos también encontrarán este informe como una herramienta útil. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200