Model-based deep learning for end-to-end optimization in the fiber-terahertz communication system
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
We propose and experimentally demonstrate a model-based deep-learning framework that optimizes fiber-terahertz communication system end-to-end, while retaining the conventional single-car-rier transceiver architecture. Jointly learning of pulse shaping, pre-equalization, digital pre-distortion, and transceivers achieves a 1.8-dB sensitivity gain and 4-Gb/s capacity improvement at 209-GHz fiber-THz system.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Model-based deep learning for end-to-end optimization in the fiber-terahertz communication system
- Date Crossref
- 13/11/2023
- Éditeur
- Institution of Engineering and Technology (IET)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.