Cantitate/Preț
Produs
Total produse
Vezi coșul
Artificial Intelligence and Quantum Computing for Advanced Wireless Networks de Savo G Glisic

Artificial Intelligence and Quantum Computing for Advanced Wireless Networks

Autor Savo G Glisic, Beatriz Lorenzo
en Limba Engleză Hardback – 11 apr 2022

Notăm cu interes modul în care Artificial Intelligence and Quantum Computing for Advanced Wireless Networks reușește să stabilească o punte solidă între algoritmii teoretici și implementarea lor fizică. Abordarea practică este evidentă prin includerea unor studii de caz detaliate în Python și R, oferind inginerilor de rețea instrumentele necesare pentru a trece de la concepte matematice la optimizarea dinamică a traficului și controlul stării rețelei. Considerăm că forța acestui volum rezidă în capacitatea de a explica nu doar „cum” funcționează un algoritm, ci și „de ce” este ales într-un anumit context de comunicații wireless de mare densitate. Pe linia practică a lucrării Handbook of AI in Wireless Networks, dar cu focus pe sinergia dintre inteligența artificială și procesarea cuantică, autorii Savo G Glisic și Beatriz Lorenzo explorează teritorii complexe precum rețelele neuronale grafice și teoria jocurilor aplicată în echilibrul Nash. Credem că această lucrare reprezintă o evoluție firească față de publicațiile anterioare ale lui Glisic, precum Code Division Multiple Access Communications. Dacă în lucrările trecute accentul cădea pe tehnicile de spectru extins, aici focusul se mută pe inteligența computațională necesară pentru a gestiona latența scăzută și fiabilitatea extremă. Structura cărții facilitează o progresie logică, pornind de la fundamentele de Machine Learning (regresii, arbori de decizie, SVM) și avansând către arhitecturi complexe precum rețelele neuronale recurente și celulare. Secțiunile finale dedicate internetului cuantic și corecției erorilor în canale cuantice pregătesc cititorul pentru următoarea frontieră a telecomunicațiilor, oferind o perspectivă tehnică riguroasă asupra optimizării rețelelor viitoare.

Citește tot Restrânge

Preț: 88309 lei

Preț vechi: 110386 lei
-20%

Puncte Express: 1325

Carte tipărită la comandă

Livrare economică 26 mai-09 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781119790297
ISBN-10: 1119790298
Pagini: 864
Dimensiuni: 183 x 260 x 51 mm
Greutate: 1.82 kg
Editura: Wiley
Locul publicării:Chichester, United Kingdom

De ce să citești această carte

Recomandăm această lucrare profesioniștilor care doresc să implementeze soluții de AI în infrastructuri wireless reale. Cititorul câștigă o înțelegere dublă: stăpânirea algoritmilor clasici de învățare automată prin exemple de cod și familiarizarea cu mecanismele de calcul cuantic aplicate comunicațiilor. Este un motiv concret de a investi în acest volum dacă sunteți implicat în planificarea rețelelor 5G/6G sau în cercetarea sistemelor de comunicații inteligente.

Despre autor

Savo G Glisic este un autor prolific și cercetător recunoscut în domeniul telecomunicațiilor, cu o expertiză vastă ce se întinde de la sistemele CDMA la rețelele wireless moderne. Lucrările sale sunt fundamentale pentru înțelegerea modului în care tehnicile de acces multiplu și propagarea semnalului au evoluat spre arhitecturile inteligente de astăzi. Alături de Beatriz Lorenzo, el integrează în acest volum perspective actuale despre calculul cuantic, adaptând rigoarea academică la cerințele practice ale ingineriei de rețea contemporane. Contribuțiile lor anterioare în literatura tehnică Wiley subliniază un angajament constant față de inovația în comunicațiile mobile și prin satelit.

Cuprins

Preface, xiii Part I Artificial Intelligence, 1 1 Introduction, 3 1.1 Motivation, 3 1.2 Book Structure, 5 2 Machine Learning Algorithms, 17 2.1 Fundamentals, 17 2.2 ML Algorithm Analysis, 37 3 Artificial Neural Networks, 55 3.1 Multi-layer Feedforward Neural Networks, 55 3.2 FIR Architecture, 60 3.3 Time Series Prediction, 68 3.4 Recurrent Neural Networks, 69 3.5 Cellular Neural Networks (CeNN), 81 3.6 Convolutional Neural Network (CoNN), 84 4 Explainable Neural Networks, 97 4.1 Explainability Methods, 99 4.2 Relevance Propagation in ANN, 103 4.3 Rule Extraction from LSTM Networks, 110 4.4 Accuracy and Interpretability, 112 5 Graph Neural Networks, 135 5.1 Concept of Graph Neural Network (GNN), 135 5.2 Categorization and Modeling of GNN, 144 5.3 Complexity of NN, 156 6 Learning Equilibria and Games, 179 6.1 Learning in Games, 179 6.2 Online Learning of Nash Equilibria in Congestion Games, 196 6.3 Minority Games, 202 6.4 Nash Q-Learning, 204 6.5 Routing Games, 211 6.6 Routing with Edge Priorities, 220 7 AI Algorithms in Networks, 227 7.1 Review of AI-Based Algorithms in Networks, 227 7.2 ML for Caching in Small Cell Networks, 237 7.3 Q-Learning-Based Joint Channel and Power Level Selection in Heterogeneous Cellular Networks, 243 7.4 ML for Self-Organizing Cellular Networks, 252 7.5 RL-Based Caching, 267 7.6 Big Data Analytics in Wireless Networks, 274 7.7 Graph Neural Networks, 279 7.8 DRL for Multioperator Network Slicing, 291 7.9 Deep Q-Learning for Latency-Limited Network Virtualization, 302 7.10 Multi-Armed Bandit Estimator (MBE), 317 7.11 Network Representation Learning, 327 Part II Quantum Computing, 361 8 Fundamentals of Quantum Communications, 363 8.1 Introduction, 363 8.2 Quantum Gates and Quantum Computing, 372 8.3 Quantum Fourier Transform (QFT), 386 9 Quantum Channel Information Theory, 397 9.1 Communication Over a Channel, 398 9.2 Quantum Information Theory, 401 9.3 Channel Description, 407 9.4 Channel Classical Capacities, 414 9.5 Channel Quantum Capacity, 431 9.6 Quantum Channel Examples, 437 10 Quantum Error Correction, 451 10.1 Stabilizer Codes, 458 10.2 Surface Code, 465 10.3 Fault-Tolerant Gates, 471 10.4 Theoretical Framework, 474 11 Quantum Search Algorithms, 499 11.1 Quantum Search Algorithms, 499 11.2 Physics of Quantum Algorithms, 510 12 Quantum Machine Learning, 543 12.1 QML Algorithms, 543 12.2 QNN Preliminaries, 547 12.3 Quantum Classifiers with ML: Near-Term Solutions, 550 12.4 Gradients of Parameterized Quantum Gates, 560 12.5 Classification with QNNs, 568 12.6 Quantum Decision Tree Classifier, 575 13 QC Optimization, 593 13.1 Hybrid Quantum-Classical Optimization Algorithms, 593 13.2 Convex Optimization in Quantum Information Theory, 601 13.3 Quantum Algorithms for Combinatorial Optimization Problems, 609 13.4 QC for Linear Systems of Equations, 614 13.5 Quantum Circuit, 625 13.6 Quantum Algorithm for Systems of Nonlinear Differential Equations, 628 14 Quantum Decision Theory, 637 14.1 Potential Enablers for Qc, 637 14.2 Quantum Game Theory (QGT), 641 14.3 Quantum Decision Theory (QDT), 665 14.4 Predictions in QDT, 676 15 Quantum Computing in Wireless Networks, 693 15.1 Quantum Satellite Networks, 693 15.2 QC Routing for Social Overlay Networks, 706 15.3 QKD Networks, 713 16 Quantum Network on Graph, 733 16.1 Optimal Routing in Quantum Networks, 733 16.2 Quantum Network on Symmetric Graph, 744 16.3 QWs, 747 16.4 Multidimensional QWs, 753 17 Quantum Internet, 773 17.1 System Model, 775 17.2 Quantum Network Protocol Stack, 789 References, 814 Index, 821

Descriere

ARTIFICIAL INTELLIGENCE AND QUANTUM COMPUTING FOR ADVANCED WIRELESS NETWORKS A practical overview of the implementation of artificial intelligence and quantum computing technology in large-scale communication networks Increasingly dense and flexible wireless networks require the use of artificial intelligence (AI) for planning network deployment, optimization, and dynamic control. Machine learning algorithms are now often used to predict traffic and network state in order to reserve resources for smooth communication with high reliability and low latency. In Artificial Intelligence and Quantum Computing for Advanced Wireless Networks, the authors deliver a practical and timely review of AI-based learning algorithms, with several case studies in both Python and R. The book discusses the game-theory-based learning algorithms used in decision making, along with various specific applications in wireless networks, like channel, network state, and traffic prediction. Additional chapters include Fundamentals of ML, Artificial Neural Networks (NN), Explainable and Graph NN, Learning Equilibria and Games, AI Algorithms in Networks, Fundamentals of Quantum Communications, Quantum Channel, Information Theory and Error Correction, Quantum Optimization Theory, and Quantum Internet, to name a few. The authors offer readers an intuitive and accessible path from basic topics on machine learning through advanced concepts and techniques in quantum networks. Readers will benefit from: * A thorough introduction to the fundamentals of machine learning algorithms, including linear and logistic regression, decision trees, random forests, bagging, boosting, and support vector machines * An exploration of artificial neural networks, including multilayer neural networks, training and backpropagation, FIR architecture spatial-temporal representations, quantum ML, quantum information theory, fundamentals of quantum internet, and more * Discussions of explainable neural networks and XAI * Examinations of graph neural networks, including learning algorithms and linear and nonlinear GNNs in both classical and quantum computing technology Perfect for network engineers, researchers, and graduate and masters students in computer science and electrical engineering, Artificial Intelligence and Quantum Computing for Advanced Wireless Networks is also an indispensable resource for IT support staff, along with policymakers and regulators who work in technology.

Notă biografică

Savo G. Glisic is Research Professor at Worcester Polytechnic Institute, Massachusetts, USA. His research interests include network optimization theory, network topology control and graph theory, cognitive networks, game theory, artificial intelligence, and quantum computing technology. Beatriz Lorenzo is Assistant Professor in the Department of Electrical and Computer Engineering at the University of Massachusetts Amherst, USA. Her research interests include the areas of communication networks, wireless networks, and mobile computing.