掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
網絡化系統分布式狀態自適應估計理論及其應用 版權信息
- ISBN：9787563566969
- 條形碼：9787563566969 ; 978-7-5635-6696-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
網絡化系統分布式狀態自適應估計理論及其應用 內容簡介
本書面向網絡化系統及相關領域的研究人員和具有一定基礎知識的初學者，系統介紹了網絡化系統分布式狀態自適應估計理論及其實用案例。本書內容包括：網絡化系統分布式狀態估計簡介；分布式狀態估計算法理論；動態拓撲的網絡化系統下分布式狀態估計；可量化的網絡化系統下分布式狀態估計；含約束集的網絡化系統下分布式優化等。
網絡化系統分布式狀態自適應估計理論及其應用 目錄
第1章 網絡化系統分布式狀態估計簡介
1.1 網絡化系統介紹
1.2 分布式狀態估計
1.2.1 部分分布式狀態估計
1.2.2 分布式狀態估計
參考文獻
第2章 分布式狀態估計算法理論
2.1 分布式狀態估計算法研究現狀
2.2 分布式網絡
2.2.1 分布式網絡分類
2.2.2 自適應分布式網絡
2.3 自適應濾波算法
2.3.1 經典自適應濾波算法
2.3.2 基于一致性策略的自適應濾波算法
2.3.3 基于擴散性策略的自適應濾波算法
2.3.4 一致性策略與擴散性策略的比較
2.3.5 穩定性原理
參考文獻
第3章 動態拓撲的網絡化系統下分布式狀態估計
3.1 研究背景
3.2 虛擬傳感網絡系統簡介
3.3 虛擬傳感網絡系統描述
3.3.1 網絡及通信系統建模
3.3.2 概率化的網絡拓撲表征
3.4 基于動態拓撲的擴散性卡爾曼濾波算法
3.4.1 算法概述
3.4.2 算法性能分析
3.5 算法性能對比
3.5.1 實驗環境設置
3.5.2 實驗結果對比分析
參考文獻
第4章 可量化的網絡化系統下分布式狀態估計
4.1 研究背景
4.2 移動群智感知網絡化系統簡介
4.2.1 移動群智感知網絡化系統研究現狀
4.2.2 移動群智感知網絡化系統組成
4.3 移動群智感知網絡化系統描述
4.3.1 網絡模型
4.3.2 抖動量化模型
4.4 可量化分布式自適應算法
4.4.1 基于本地信息交互的擴散性卡爾曼濾波算法
4.4.2 基于量化信息交互的擴散性卡爾曼濾波算法
4.4.3 算法性能分析
4.5 移動群智感知對節點運動軌跡的預測及誤差分析
4.5.1 實驗環境設置
4.5.2 實驗結果對比分析
參考文獻
第5章 含約束集的網絡化系統下分布式優化
5.1 研究背景
5.1.1 現存問題
5.1.2 研究現狀
5.2 內容中心網絡化系統描述
5.2.1 網絡模型
5.2.2 內容流行度模型
5.2.3 能量消耗模型
5.3 基于正交投影的擴散性分布式算法設計
5.3.1 緩存問題分析
5.3.2 分布式算法構建
5.3.3 算法性能分析
5.4 針對CERNET、GEANT、Abilene拓撲場景下的緩存優化分析
5.4.1 實驗環境設置
5.4.2 實驗結果對比分析
參考文獻
第6章 網絡化系統中強化學習算法及應用
6.1 經典強化學習算法
6.1.1 巴甫洛夫的實驗
6.1.2 俄羅斯方塊游戲
6.1.3 強化學習的評價標準
6.1.4 強化學習與馬爾可夫過程
6.1.5 強化學習算法分類
6.2 多 新強化學習算法
6.3 多智能體強化學習算法
6.3.1 多智能體強化學習基本概念
6.3.2 三種多智能體強化學習框架
參考文獻
第7章 分布式多 新強化學習方法在邊緣計算中的應用
7.1 研究背景
7.1.1 邊緣計算中的服務卸載
7.1.2 強化學習方法介紹
7.2 分布式服務卸載的系統模型
7.2.1 服務卸載的場景化定義
7.2.2 問題的馬爾可夫過程表述
7.3 多 新的強化學習卸載方案
7.3.1 實際問題的公式化描述
7.3.2 集合的定義方法
7.4 基于深度強化學習的服務卸載算法設計
7.4.1 行為解集的 選擇算法
7.4.2 多 新賦能的強化學習算法
7.5 不同資源分布下的算法性能測試
7.5.1 實驗環境設置
7.5.2 實驗結果對比分析
參考文獻
第8章 網絡化多智能體強化學習在視頻轉碼中的應用
8.1 研究背景
8.2 直播系統模型構建
8.2.1 移動網絡模型
8.2.2 視頻轉碼模型
8.2.3 增廣圖模型
8.2.4 分布式優化目標
8.3 基于網絡化多智能體強化學習的模型重構
8.4 基于多智能體強化學習的聯合優化算法設計
8.4.1 策略梯度理論
8.4.2 基于網絡化MARL的“行動者-評論家”算法
8.4.3 MAAC算法的分布式部署
8.5 實驗驗證和性能分析
8.5.1 實驗環境設置
8.5.2 實驗結果對比分析
參考文獻
展開全部
網絡化系統分布式狀態自適應估計理論及其應用 作者簡介
楊樹杰，博士，北京郵電大學計算機學院教師，2017年獲得北京郵電大學博士學位，2020年至今工作于北京郵電大學計算機學院。主要從事網絡化系統、移動互聯網、人工智能與大數據、網絡安全領域的研究工作。近年來在IEEE/ACM Transactions等高水平期刊中以第一作者發表論文7篇，SCI期刊論文5篇(中科院大類一區一篇，二區一篇，獲得Best Paper獎一篇)；申請國家發明專利8項，國防專利2項；主持國家自然科學基金青年基金一項，中國博士后基金一項，作為項目第二負責人完成國防“863”項目一項，裝備部“十三五”預研項目一項，作為項目骨干參與國家973，863計劃項目以及中國電科集團等多個縱橫向科研課題，參與國家自然科學基金優青項目1項，面上項目2項。主持中國博士后基金一項，作為項目第二負責人完成國防“863”項目一項，裝備部“十三五”預研項目一項，作為項目骨干參與國家973，863計劃項目以及中國電科集團等多個縱橫向科研課題，參與國家自然科學基金優青項目1項，面上項目2項。
書友推薦
- >
中國歷史的瞬間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
詩經-先民的歌唱
- >
月亮與六便士
- >
小考拉的故事-套裝共3冊
- >
山海經
- >
有舍有得是人生
- >
名家帶你讀魯迅:故事新編
本類暢銷
