Benutzer: Gast  Login
Titel:

DRLLA: Deep Reinforcement Learning for Link Adaptation

Dokumenttyp:
Zeitschriftenaufsatz
Autor(en):
Geiser, Florian ; Wessel, Daniel ; Hummert, Matthias ; Weber, Andreas ; Wübben, Dirk ; Dekorsy, Armin ; Viseras, Alberto
Stichworte:
Article ; machine learning ; mobile communication ; reinforcement learning ; link adaptation ; channel observation
Zeitschriftentitel:
Telecom
Jahr:
2022
Band / Volume:
3
Heft / Issue:
4
Seitenangaben Beitrag:
692-705
Volltext / DOI:
doi:10.3390/telecom3040037
Verlag / Institution:
MDPI
E-ISSN:
2673-4001
Publikationsdatum:
23.11.2022
CC-Lizenz:
by, https://creativecommons.org/licenses/by/4.0
 BibTeX