Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Multiple Antenna Spectrum Sensing in Colored Noise Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

33. Adaptive Learning in Cognitive Radio

verfasst von : Husheng Li

Erschienen in: Handbook of Cognitive Radio

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Machine learning is a powerful tool for cognitive radio users to learn its sensing and transmission strategy from the experience. This chapter provides a brief introduction to a variety of machine-learning techniques. The basic setup of machine learning, as well as the dichotomy, is explained. Then, the supervised, unsupervised, semi-supervised, and reinforcement learning techniques are briefly discussed. The single-agent learning is then extended to the case of multiagent learning. Then, the machine-learning techniques are applied in various cases of machine learning, such as channel selection and routing.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Contract-Based Secondary Spectrum Trading
Nächstes Kapitel Spatial Spectrum Access Game
Literatur
1.
Aggarwal CC (2016) Recommender systems: the textbook. Springer, New York
2.
Anthony M, Bartlett P (1999) Neural network learning: theoretical foundations. Cambridge University Press, CambridgeCrossRef
3.
Azar Y, Fiat A, Karlin A, McSherry F, Saia J (2001) Spectral analysis of data. In: Proceedings of the 33rd ACM symposium on theory of computing (STOC), 6 July 2001, pp 619–626
4.
Berkvosky S, Kuflik T, Ricci F (2007) Distributed collaborative filtering with domain specialization. In: Proceedings of ACM conference recommender systems (RecSys), 19 Oct 2007, pp 33–40
5.
Bertsekas DP (1987) Dynamic programming: deterministic and stochastic models. Prentice Hall, Englewood CliffsMATH
6.
Busoniu L, Babuska R, Schutter BD (2008) A comprehensive survey of multiagent reinforcement learning. IEEE Trans Syst Man Cybern Part C Appl Rev 38(2):156–172CrossRef
7.
Chapelle O, Scholkopf B, Zien A (2006) Semi-supervised learning. The MIT Press, CambridgeCrossRef
8.
Devroye L, Lugosi G (2001) Combinatorial methods in density estimation. Springer, New YorkCrossRef
9.
Drineas P, Kerenidis I, Raghavan P (2002) Competitive recommendation systems. In: Proceedings of the 34th ACM symposium on theory of computing (STOC), 19 May 2002, pp 82–90
10.
Fudenberg D, Tirole J (1991) Game theory. The MIT Press, CambridgeMATH
11.
Gabor Z, Kalmar Z, Szepesvari C (1998) Multi-criteria reinforcement learning. In: Proceedings of the 15th International conference on machine learning (ICML), 24 July 1998, vol 98, pp 197–205
12.
Gittins JC (1979) Bandit processes and dynamic allocation indices. J R Stat Soc Ser B (Stat Methodol) 41(2):148–177MathSciNetMATH
13.
Goldberg D, Nichols D, Oki BM, Terry D (1992) Using collaborative filtering to weave an information tapestry. Commun ACM 35(12):61–70CrossRef
14.
Goodfellow I, Bengio Y (2016) Deep learning. The MIT Press, CambridgeMATH
15.
Hastie T, Tibshirani R, Friedman J (2009) The elements of statistical learning: data mining, inference, and prediction, 2nd edn. Springer, New YorkCrossRef
16.
Kushner HJ, Yin GG (2003) Stochastic approximation and recursive algorithms and applications. Springer, New YorkMATH
17.
Lai L, Gamal HE, Jiang H, Poor HV (2011) Cognitive medium access: exploration, exploitation, and competition. IEEE Trans Mob Comput 10(2):239–253CrossRef
18.
Li H (2009) Multi-agent Q-learning of channel selection in multi-user cognitive radio systems: a two by two case. In: Proceedings of IEEE International conference on systems, man and cybernetics, 11 Oct 2009, pp 1893–1898
19.
Li H (2009) Learning the spectrum via collaborative filtering in cognitive radio networks. In: Proceedings of IEEE symposium on new frontiers in dynamic spectrum (DySPAN), 6 Apr 2010, pp 1–12
20.
Littman ML (2001) Value-function reinforcement learning in Markov games. J Cogn Syst Res 2(1):55–66CrossRef
21.
Metrick A, Polak B (1994) Fictitious play in 2 × 2 games: a geometric proof of convergence. Econ Theory 4(6):923–933MathSciNetCrossRef
22.
Mohri M, Rostamizadeh A, Talwalkar A (2012) Foundations of machine learning. The MIT Press, CambridgeMATH
23.
O’Shea TJ, Corgan J, Clancy TC (2016) Convolutional radio modulation recognition networks. In: Proceedings of International conference on engineering applications of neural networks, 2 Sept 2016, pp 213–226
24.
O’Shea TJ, Corgan J, Clancy TC (2016) Unsupervised representation learning of structured radio communication signals. In: Proceedings of 1st International workshop on sensing, processing and learning for intelligent machines (SPLINE), 6 July 2016, pp 1–5
25.
26.
27.
Schapire RE, Freud Y (2014) Boosting: foundations and algorithms. The MIT Press, Cambridge
28.
Schlkopf B, Smola AJ (2001) Learning with kernels: support vector machines, regularization, optimization and beyond. The MIT Press, Cambridge
29.
Sutton RS (1998) Reinforcement learning: an introduction. The MIT Press, Cambridge
30.
Thilina KM, Choi KW, Saquib N, Hossain E (2013) Machine learning techniques for cooperative spectrum sensing in cognitive radio networks. J Sel Areas Commun 31(11): 2209–2221CrossRef
31.
Watkins CJCH (1989) Learning from delayed rewards. Ph.D. thesis, Cambridge University, Cambridge
32.
Wiering M, Otterio M (2012) Reinforcement learning: state-of-the-art. Springer, Berlin/HeidelbergCrossRef
33.
Zheng K, Li H (2011) Multi-objective reinforcement learning based routing in cognitive radio networks: walking in a random maze. In: Proceedings of IEEE International conferences on computing, networking and communications (ICNC), 30 Jan 2011, pp 359–363
Metadaten
Titel
Adaptive Learning in Cognitive Radio
verfasst von
Husheng Li
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Handbook of Cognitive Radio

Print ISBN: 978-981-10-1393-5

Electronic ISBN: 978-981-10-1394-2

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-10-1394-2_41

Neuer Inhalt

    Bildnachweise