专业实训0-introduction
术语介绍
UE：全称 User Equipment，代表无线的用户终端（radio user terminal）。就是手机之类的。
RAN：全称Radio Access Network，无线接入网，为UE提供无线连接。
CN：全称Core Network，核心网，将RAN与外部服务和基础设计连接在一起，并提供其他连接和移动性管理。
BS：全称Base Station，基站，这是RAN中的一环，旨在创建与UE的无线连接接口（Radio Interface）。基站后方通常需要连接一个控制器（Radio Controller）（如下图），这个控制器只在2G和3G时代存在，在4G、5G中基站直连核心网。
CS&PS：电路交换和分组交换。在最开始的移动网络中，CN有两套网络系统：一套基于CS，服务于电信业务；一套基于PS，服务于数据业务；
Cell：中文名叫小区，就是蜂窝移动网络的一个蜂窝格子，由一个基站提供无线服务。
LA：全称Location Area，是多个基站构成的“位置区域”，每一个位置区域都会有自己的位置区域码。LA是用于定位并寻呼用户的，与此前移动通信中提及的簇（cl ...
专业实训-4G LTE
引入同前面介绍的2G、3G时代一样，4G时代也有诸多标准。任何用户高速移动下达到或超过100Mbps，静态数据传输达到1Gbps的无线数据网络系统都可以称作4G，而LTE（Long-Term Evolution 长期演进）技术只是其中之一。但因为LTE实在部署太广泛，所以才会看到4G就是LTE。下图是截止2018年8月LTE的全球部署情况。红色代表使用中。深蓝和浅蓝分别是正在部署和正在规划。
LTE由3GPP
LET-A网络结构在LTE中，网络架构被称为 EPS（Evolved Packet System）。
其接入网部分被称为E-UTRAN（Evolved Universal Terrestrial Radio Access Network）。
核心网部分被称为EPC（Evolved Packet Core）。这个核心网架构也被叫做网络架构被称作Service Architecture Evolution SAE （系统架构演进），因其是由PS域核心网网络架构演进而来。
接入网E-UTRANE-UTRAN协议支撑了UE与无线网络的通信，其协议包含了多设备下无线信道的Medium ...
专业实训1-补充-2G&3G
引入这门课直接介绍了4G和5G的网络，2G和3G本来是在移动通信中介绍过。但是奈何本学院的移动通信课程太拉了，因此在这个地方补充一个间章，重点介绍2G和3G时代的网络架构及其使用的技术细节。
在各代通信中都有不同的标准，下图总览了1G-5G时代的标准和特性。
其中，2G时代：
GSM由欧洲电信标准组织ETSI（European Telecommunications Standards Institute）制定，是2G时代最具代表性的技术，自90年代中期投入商用以来，被全球超过100个国家采用。GSM逐渐成为了全球性的移动通信标准，在2004年已拥有了超过十亿的众多用户。当然，也有个别的例外：日本和韩国就从未采用过GSM。因此在后续的2G介绍中，将重点介绍GSM系统。
D-AMPS（或称IS-136）由美国电子工业联合会制定，在马来西亚、巴西、捷克共和国、俄罗斯和鸟克兰等国家有过部署或尝试部署。它在AMPS中增加了时分多址联接方式（TDMA）
IS-95A由美国高通制定（是的，就是生产你手机里面骁龙SoC的高通）。它基于CDMA，IS-95是最早的CDMA系统空中接口标准，而IS-95 ...
智能系统设计-Part1-模糊系统
引入在前面的ANN中，机器可以自己通过学习来找到“机器认为”的答案。
但是在现实世界中也有一群专家，他们解决问题靠的是“已有知识”，他们先学习并储备了一些知识库，在遇到对应问题的时候就调用对应的知识库。
将这种解决问题的方式在计算机中进行描述和调用，就是所谓模糊系统（Fuzzy System）。
但是专家在判断是什么问题时，通常接受的是模糊的描述。例如这个人非常高，那么你大可能觉得这个人在一米八往上接近一米九。说这个天很热按你大可能觉得现在有30度往上。这些描述都是基于人类语言的模糊描述，指明的是大概率的一个区间。同样地，在解决问题上，专家也是靠着不精确的输入，去猜测套用什么方法解决的可能性最大，然后去尝试。
但是这样就出现问题了，计算机使用的是布尔逻辑，即非黑即白的逻辑，它可以以180为一个界限，认为180以上的人算作高，180以下的人算作矮，但是如果有一个人有179,它其实也是算高的，但是会被传统的布尔逻辑和160判到一桌上去。
模糊逻辑，模糊集和隶属度模糊系统就是为了来解决这个问题的，它提出了“模糊逻辑（fuzzy logic）”的概念，在模糊逻辑下，事情不是非黑即白，而是具有一 ...
智能系统设计-Part1-ANN
d1639eecab8d1fa736759a9f8831105f177f612d1bf6ed75a742eca5b3ef9dbf37ac160ac4f88a80dad76ee5495b6e6649db01aae814257635aab9f24768b8f7be8baa6c72b815305a4332f6a870b8675091c3393f437e8981899a9570bc2b7e63508797ee57d401353e5b5dc5b1bb379fdd22d3b44178bc04531b359785ba82c4ab67d843798e4fb0aa8f1d7e211629b0c2e19dad89a5eee1c4bb3d2957388d6aeff0b822379a301c0ff98d0f96f0cbee4ec0540841c0532784f1c12b31d602ac110e863da57cc0cbced4743051163ca4548c69400e9312ad02f7ac961af31e797edd1daf9329bfdb13f5bef6080270e9036198828982835 ...
智能系统设计-Part1-GeneticAlgorithm
引入GA简介遗传算法（Geneic Algorithm, GA）是基于“物竞天择，适者生存”而提出的。它首先确定参数和优化目标，然后经历以下步骤来模拟这些参数的自然演化过程：
随机地生成一些答案，称之为种群（Populaition）
对他们进行评价
选择较好的，作为parents（父母）
使得父母重新组合（交叉）
使得他们的孩子产生一些变异，随机地选择一些参数替代原有
对他们产生的孩子进行评价
剔除掉太差的，重复步骤3-7
直到满足优化目标，“物竞天择，适者生存”的优化结束。
这整个步骤可以被简略概括为：选种-交叉-变异
基于GA的工作原理，以下方面都可以影响GA结果：
Representation：对个体的表示，即，参数的选择（比如一个人，得有胳膊，有腿，有眼睛等等）
Evaluation function (fitness function)：评价函数，用于“天择”
Population: 种群
Parent Selection Machanism: 父母选择机制
Variation operators: 变异算子（包含交叉(crossover)和变异(mutation)） ...
智能系统设计-Part1-Introduction
d1639eecab8d1fa736759a9f8831105f177f612d1bf6ed75a742eca5b3ef9dbf6c4d47b9ed4ecffb9568482a0b5df3d073328748dfe7f4aec88e9d56c8de8544d0e41cf86fe5442d0af96c5b0ee98adb1432df1ee39f9a18b50e958b58ea502dba01ee068090beca294263bf42f29ef1fde2ef6be43000f0bd7c2d5b12834a1798f0bfb17587879676a19e1d3b2134b8e27babb93783adb81632545362ef6aac2a467abfea4c8fd076669585a6b1a5e422ef2befa2d22ff3a8d588723ef4e6609b4b9bb5119494924528d68018f3d9e3249c49340a95a0c941754988fdc0115fcee6d08f39f85753a0ffa6e9d8f40f757e39f3f9b00a29bf7 ...
智能系统设计-Part2.1-Introduction
人类视觉系统
在自然界中，可见光只在全谱段中的非常小一段。但是图像处理是针对于全光谱而言的。
人眼系统感光细胞
人眼系统如上图所示，眼中视网膜上有视椎细胞（Cones）和视杆细胞（Rods）两种。视椎细胞对颜色和黑暗（Dark）敏感；视杆细胞对明光（Brightnes）敏感。
从上图可以看到，视椎细胞在中心分布较多，这就是为什么人眼在看东西时希望把东西放在眼中心，因为该处视椎细胞更多，可以更好地感知物体。视杆细胞在整个视网膜上都有分布，这就是为什么余光可以感知到周围的东西。
这张图是Weber ratio，它说明人眼在低亮度条件下，需要更大的光强差异才能感知到差异（也就是上图左边的$\Delta I$）；但在亮光环境下，只需要很小的亮度差异就可以感知到（右侧的$\Delta I$）
马赫带效应（Mach band effect）
人眼在观察两块亮度不同的区域时，边界处亮度对比加强，使轮廓表现得特别明显。如上图所示，当你观察上图时，会感觉每一个灰度小格子的左侧都比右侧亮。
相机成像
相机成像可以被看成两个过程：sampling 和 quantization。sampling过程发生在连 ...
智能系统设计-Part2.2-图像压缩
引入图像的冗余信息编码冗余（encoding redundancy）:下图这个图像中，只有4种颜色，如果采用8bit色深编码，则会有252种值从未被使用。
空间冗余（spatial redundancy）：下图每一行都是一样的像素点，如果每一个像素都独立记录值，则会浪费很多空间。如果能记录256个像素的一条线，再记录这条线重复256次，那么将会剩下很多的空间。
无关信息（irrelevant information）：下图的灰度值差异很小很小，肉眼不可查（下图左）。除非使用直方图均衡等算法（下图右），否则图像信息不可见。因此其为可压缩信息。
主流音视频压缩格式
图像编码的总体流程图像存储在设备上，可以总地分为如下几个步骤：
映射器（Mapper）：将原图像的$f(x,…)$变换为减少空间和时间冗余的格式，这一操作是可逆的，但并不会减少数据量。在后续介绍JPEG压缩时会介绍DCT变换。
量化器（Quantizer）：上一步中，mapper将图像转化到变换域，量化就是将变换域中的数根据存储的比特要求量化成特定值。这一过程会损失信息，如果是无损压缩，则需要舍弃这一步。
符号编码 ...
智能系统设计-罐装知识
ANNANN停止的标准
特定次数的迭代(iteration)之后
输出的误差低于阈值（threshold）
独立验证集（separate validation set）上的错误小于某些标准(criteria)。
ANN各项参数的影响学习率：过小，迭代（iteration）过多；过大，可能错过最优解，在损失函数（lossfunction）最低点震荡（oscillate）
动量（momentum）：过小，陷入局部最优解(local minima)；过大，造成下降方向与梯度方向差异较大，产生震荡。
*附：动量的作用： 1.使得训练时穿过（rolling through）局部最优（local minima）*
2.加大梯度不变时的步长（step size），提升收敛速率
迭代次数（learning iterations）：过小，欠拟合，无法捕捉数据集的通用特征（characteristic）。过多，浪费计算资源，导致过拟合(overfitting)。
*附：防止过拟合的方法：1. 使用验证数据集（validation data set），当误差增加时，则 ...