幫助中心 | 我的帳號 | 關於我們

智能網路

  • 作者:姚海鵬|責編:邢建春
  • 出版社:人民郵電
  • ISBN:9787115659316
  • 出版日期:2025/05/01
  • 裝幀:平裝
  • 頁數:196
人民幣:RMB 139.8 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書旨在全面闡述人工智慧在網路技術中的應用,並探討其未來發展方向。在人工智慧與複雜網路環境的交織下,智能網路成為信息技術、電腦科學和通信工程等領域的重要研究方向。本書通過對軟體定義網路、網路功能虛擬化、機器學習演算法在網路管理與優化中的應用等核心技術的深入解析,詳細介紹了智能網路的基礎設施、路由與擁塞控制、QoS QoE管理、網路安全及網路大模型等內容。
    本書既適合作為網路工程、電腦科學、通信工程及人工智慧等專業的本科生、研究生的教材,也為相關領域的研究人員和從業者提供了一份系統的參考資料,有助於他們了解智能網路的基礎理論、技術應用和未來趨勢。

作者介紹
姚海鵬|責編:邢建春

目錄
第1章  智能網路概述
  1.1  國內外研究現狀
  1.2  本書組織結構
  參考文獻
第2章  智能網路基礎設備
  2.1  引言
    2.1.1  SDN的誕生
    2.1.2  智能網路
    2.1.3  大數據處理和人工智慧技術
  2.2  新型網路技術
    2.2.1  SDN
    2.2.2  NFV
    2.2.3  可編程數據平面
  2.3  網路感知技術
    2.3.1  sFlow
    2.3.2  INT
    2.3.3  DPI
  2.4  DPU和智能網卡
    2.4.1  DPU
    2.4.2  智能網卡
  2.5  總結
  參考文獻
第3章  機器學習
  3.1  人工智慧與機器學習發展概述
    3.1.1  人工智慧的提出和發展
    3.1.2  機器學習——人工智慧的實現方式
    3.1.3  機器學習演算法分類
  3.2  監督學習
    3.2.1  監督學習演算法選擇
    3.2.2  線性回歸
    3.2.3  邏輯回歸
    3.2.4  神經網路
    3.2.5  SVM
  3.3  無監督學習
    3.3.1  K-means
    3.3.2  DBSCAN
    3.3.3  層次聚類
    3.3.4  PCA
    3.3.5  LDA
  3.4  強化學習
    3.4.1  Q-learning
    3.4.2  Sarsa
    3.4.3  深度Q網路
    3.4.4  策略梯度
  3.5  總結
  參考文獻
第4章  網路路由
  4.1  路由問題概述
    4.1.1  傳統路由簡述
    4.1.2  路由信息協議

    4.1.3  開放最短路徑優先協議
    4.1.4  邊界網關協議
  4.2  分散式路由策略
    4.2.1  Q-routing路由演算法簡述
    4.2.2  基於模型的Q-learning路由機制
    4.2.3  面向自組織網路的自適應路由機制
  4.3  集中式路由策略
    4.3.1  基於最小二乘策略迭代的路由機制
    4.3.2  面向SDN的自適應路由機制
  4.4  總結
  參考文獻
第5章  擁塞控制
  5.1  擁塞控制概述
    5.1.1  擁塞控制狀態機
    5.1.2  擁塞控制演算法
  5.2  丟包分類
    5.2.1  基於樸素貝葉斯演算法的丟包分類方法
    5.2.2  隱馬爾可夫模型的丟包分類方法
  5.3  隊列管理
    5.3.1  基於模糊神經網路的隊列管理方法
    5.3.2  基於模糊Q-learning的隊列管理演算法
  5.4  CWND更新
    5.4.1  基於學習自動機的CWND更新方法
    5.4.2  基於Q-learning的CWND更新方法
  5.5  擁塞診斷
    5.5.1  基於灰色神經網路預測網路流量
    5.5.2  一種SVR預測RTT的方法
  5.6  總結
  參考文獻
第6章  QoS QoE管理
  6.1  QoS QoE概述
    6.1.1  QoS QoE概念
    6.1.2  QoS QoE區別
  6.2  QoS QoE預測
    6.2.1  基於用戶聚類演算法和回歸演算法的Qo預測方法
    6.2.2  基於ANN的QoE預測方法
  6.3  QoS QoE評估
    6.3.1  基於SVM的QoS評估方法
    6.3.2  基於KNN的QoE評估方法
  6.4  QoS QoE相關性
    6.4.1  QoS QoE的相關性
    6.4.2  基於機器學習的QoS QoE相關性分析
  6.5  總結
  參考文獻
第7章  故障管理
  7.1  故障管理概述
  7.2  故障預測
    7.2.1  基於網路建模技術的故障預測分析演算法
    7.2.2  基於流形學習技術提取故障特徵並生成故障預測的演算法
  7.3  故障檢測

    7.3.1  基於聚類的網路故障檢測性分析演算法
    7.3.2  基於循環神經網路(RNN)的故障檢測機制
  7.4  根因定位
    7.4.1  基於決策樹學習方法的根因定位
    7.4.2  基於離散狀態空間粒子濾波演算法的根因定位技術
  7.5  自動緩解
    7.5.1  基於主動故障預測的自動緩解
    7.5.2  基於被動故障預測的自動緩解
  7.6  總結
  參考文獻
第8章  網路安全
  8.1  網路安全概述
    8.1.1  網路安全
    8.1.2  入侵檢測系統
  8.2  基於誤用的入侵檢測
    8.2.1  基於神經網路的誤用檢測
    8.2.2  基於決策樹的誤用檢測
  8.3  基於異常的入侵檢測
    8.3.1  基於流量特徵的異常檢測
    8.3.2  基於有效負載的異常檢測
  8.4  機器學習在入侵檢測中的綜合應用
    8.4.1  基於集成學習的入侵檢測
    8.4.2  基於深度學習的入侵檢測
    8.4.3  基於強化學習的入侵檢測
  8.5  總結
    8.5.1  問題與挑戰
    8.5.2  入侵檢測系統的發展趨勢
  參考文獻
第9章  網路大模型
  9.1  網路大模型概述
    9.1.1  網路大模型
    9.1.2  網路大模型的生命周期
  9.2  GAI賦能網路大模型
    9.2.1  GAI方法
    9.2.2  基於擴散模型優化強化學習
    9.2.3  GAI賦能6G網路
  9.3  網路支持GAI
    9.3.1  網路集成大模型技術
    9.3.2  網路大模型服務的部署
    9.3.3  可編程數據平面賦能網路大模型
  9.4  總結
    9.4.1  問題與挑戰
    9.4.2  網路大模型的發展趨勢
  參考文獻
第10章  總結

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032