AI無線通訊系統實驗
AI Lab for Wireless Communication
學期
111-2
學分
0
學分
當期課號
515185
永久課號
EEEC20001
開課單位
電機工程學系
授課教師
伍紹勳、黃昱智、方凱田
校區
光復
類別
選修
上課時間表
| 節 | 週一 |
|---|---|
A 18:30–19:20 | AI無線通訊系統實驗 ED814（光復） 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
概述
本課程預計以實作方式簡介無線通訊技術及AI演算法在無線通訊技術中之重要應用。課程目標為使學生: 1. 認識並理解無線通訊技術 2. 了解並可以實現多種AI演算法3. 應用AI演算法於無線通訊技術。
先修科目
訊號與系統、計算機概論
備註
無備註
教學方式
教師未提供此項資料
評分方式
上機實作及專題 100%
課程大綱
教師未提供此項資料
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程簡介 Lab Introduction |
| 第 2 週 | 用於通道解碼之AI演算法介紹 Introduction to AI algorithms for channel decoding |
| 第 3 週 | 傳統通道解碼演算法 Traditional channel decoding algorithms |
| 第 4 週 | 利用SVM進行通道解碼 Channel decoding as classification: Support vector machine |
| 第 5 週 | 利用深度學習進行通道解碼 Channel decoding as classification: Deep learning |
| 第 6 週 | 專題: 利用AI通道解碼 Final project on AI for channel decoding |
| 第 7 週 | 深度學習簡介與利用卷積神經網路進行熱點定位 Deep Learning and Convolutional Neural Network for Spot Localization |
| 第 8 週 | 利用Q-Learning進行網路資源之分配 Q-Learning for Network Resource Allocation |
| 第 9 週 | 利用DQN進行網路資源之分配 Deep Q-Learning Network for Network Resource Allocation |
| 第 10 週 | 利用生成對抗網路進行熱點定位 Generated Adversarial Network for Spot Localization |
| 第 11 週 | 專題: 利用深度學習強化室內定位之效能 Final Project on Deep Learning Enhanced Indoor Localization |
| 第 12 週 | FMCW 雷達與雷達感測之介紹 Introduction to FMCW radar and radar sensing |
| 第 13 週 | 利用VAE進行FMCW之訊號解調 Variational auto-encoder (VAE) for FMCW signal demodulation |
| 第 14 週 | 利用LSTM進行頻道追蹤 Long-short term memory (LSTM) for channel tracking |
| 第 15 週 | 利用卷積網路進行抵達角度(AOA)估計 Convolutional neural network (CNN) for angle of arrival estimation |
| 第 16 週 | 專題: 深度學習強化之雷達感測 Final project on deep-learning enhanced radar sensing |
| 第 17 週 | |
| 第 18 週 |
教科書
教師未提供此項資料
Office Hours
- 地點
- ED 834
- 時間
- TBA
- 聯絡方式
- 教師未提供此項資料