| Titre : | Deep Learning-based Channel Estimation for Wireless Communication System |
| Auteurs : | Tami Abdelkader, Directeur de thèse ; TALBI Abdelhamid, Auteur |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2021 |
| Format : | 89p. / 27cm. |
| Accompagnement : | CD |
| Note générale : |
CHAPTER I: 5G Wireless Networks and Beyond CHAPTER II: Channel Estimation For Wireless Communication Systems CHAPTER III: Channel Estimation Based on Deep Learning CHAPTER IV: Simulation and Results |
| Langues: | Français |
| Mots-clés: | Electronique |
| Résumé : | Ce mémoire débute par une brève introduction de la 5G et de ses technologies prospectives ; l'introduction de cette technologie peut être très bénéfique. Ce n'est pas toujours clair pour les gens, ce que nous entendons par apprentissage machine et quand et pourquoi nous en avons besoin. Beaucoup de gens connaissent l'intelligence artificielle (IA) issue de la science-fiction, mais ils ne comprennent peut-être pas vraiment la réalité et le lien avec l'apprentissage machine. Dans le troisième chapitre, nous expliquerons en termes clairs ce que sont l'apprentissage machine et l'apprentissage approfondi, et nous présenterons également les trois principales formes d'apprentissage machine : l'apprentissage supervisé, non supervisé et par renforcement. L'objectif est qu'après avoir lu ce chapitre, vous compreniez ce qu'est exactement l'apprentissage machine et pourquoi nous en avons besoin. Nous avons présenté dans le même chapitre un aperçu d'une nouvelle classe d'estimation de canal radio basée sur Deep Neural Network (DNN) qui est totalement différente des algorithmes classiques d'estimation de canal cités dans le deuxième chapitre. |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT06343 | T.EN.MS00541 | Périodique | Ouvrages | 28 | Libre accès Disponible |
