Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Optimization-Driven Deep Reinforcement Learning for Wireless Networks

Shimin Gong, Dusit Niyato, Bo Gu, Kaibin Huang (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book explores the integration and interplay of model-based optimization and model-free deep reinforcement learning (DRL).  It addresses the growing complexity of future wireless networks. This book begins with a concise overview of foundational DRL algorithms and then delves into advanced frameworks, including optimization-driven DRL, hierarchical DRL, multi-agent DRL, Bayesian-enhanced DRL, and Lyapunov-guided DRL. Each framework is illustrated through case studies in emerging scenarios such as intelligent reflecting surface (IRS)-assisted wireless communications, UAV-assisted wireless networks, backscatter-assisted relay communications, and mobile edge computing. Each chapter of this book demonstrates how partial system knowledge, inherent structural properties, and problem decomposition can dramatically accelerate learning convergence. It also improves sample efficiency, and enhance robustness in decentralized, dynamic, and large-scale wireless networks. Tailored for researchers and graduate students focused on wireless communications and AI-driven networking, it bridges theoretical innovation with practical implementation challenges.  It provides a roadmap for designing intelligent, autonomous, and resource-efficient next-generation wireless systems. Engineers and professional specializing in AI and machine learning for wireless systems will also find this book useful as a reference.
Dieses Produkt haben wir gerade leider nicht auf Lager.
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
29.05.2026
Sprache
Englisch
EAN
9783032229960
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Wireless Networks
Sonderedition
Nein
Autor
Shimin Gong, Dusit Niyato, Bo Gu, Kaibin Huang
Seitenanzahl
230
Einbandart
Gebundene Ausgabe
Schlagwörter
wireless networks, resource allocation, deep reinforcement learning (DRL), model-based optimization, model-free learning, multi-agent DRL, UAV-assisted wireless networks, optimization-driven DRL, hierarchical DRL, Bayesian-enhanced DRL, Lyapunov-guided DRL, intelligent reflecting surface (IRS), mobile edge computing (MEC), age of information (AoI), backscatter communications
Thema-Inhalt
UKN - Netzwerk-Hardware TJKW - Drahtlostechnologie UYQM - Maschinelles Lernen
Höhe
235 mm
Breite
15.5 cm

Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!