Channel state information estimation for 5G wireless communication systems: recurrent neural networks approach

Archivos

Bib5G-22.pdf (1.21 MB)

Fecha

2021

Formato del documento

Articulo

Colecciones

BIBLIOGRAFIA 5G
48
28
Gestores bibliográficos
MendeleyEndNoteBibTeXCSV

Autores

Essai Ali, M. H. , Taha, I. B. M.

Profesor Guía

ORCID Autor

Título de la revista

ISSN de la revista

Título del volumen

Editor

PeerJ Comput Sci

Ubicación

https://doi.org/10.7717/peerj-cs.682

ISBN

ISSN

2376-5992

item.page.issne

DOI

URI

http://repositoriobibliotecas.uv.cl/handle/uvscl/3124

Facultad

Departamento o Escuela

Determinador

Recolector

Especie

Nota general

Resumen

In this study, a deep learning bidirectional long short-term memory (BiLSTM) recurrent neural network-based channel state information estimator is proposed for 5G orthogonal frequency-division multipl...

Descripción

Lugar de Publicación

Auspiciador

Palabras clave

BILSTM , CHANNEL , STATE INFORMATION , ESTIMATOR DEEP LEARNING , NEURAL NETWORKS , LOSS FUNCTIONS

Licencia

URL Licencia

Estadísticas de uso
86420
Septiembre2025
Octubre2025
Noviembre2025
Diciembre2025
Enero2026
Febrero2026
Marzo2026
Página completa del ítem