ISSN:
2468-5925
eISSN:
2352-8648
Dyscypliny:
- automatyka, elektronika, elektrotechnika i technologie kosmiczne (Dziedzina nauk inżynieryjno-technicznych)
- informatyka techniczna i telekomunikacja (Dziedzina nauk inżynieryjno-technicznych)
- nauki o komunikacji społecznej i mediach (Dziedzina nauk społecznych)
- informatyka (Dziedzina nauk ścisłych i przyrodniczych)
Punkty Ministerialne: Pomoc
Rok | Punkty | Lista |
---|---|---|
Rok 2024 | 100 | Ministerialna lista czasopism punktowanych 2024 |
Rok | Punkty | Lista |
---|---|---|
2024 | 100 | Ministerialna lista czasopism punktowanych 2024 |
2023 | 100 | Lista ministerialna czasopism punktowanych 2023 |
2022 | 100 | Lista ministerialna czasopism punktowanych (2019-2022) |
2021 | 100 | Lista ministerialna czasopism punktowanych (2019-2022) |
2020 | 100 | Lista ministerialna czasopism punktowanych (2019-2022) |
2019 | 100 | Lista ministerialna czasopism punktowanych (2019-2022) |
Model czasopisma:
Open Access
Punkty CiteScore:
Rok | Punkty |
---|---|
Rok 2023 | 12.8 |
Rok | Punkty |
---|---|
2023 | 12.8 |
2022 | 9.9 |
2021 | 14.1 |
2020 | 12.6 |
2019 | 8.8 |
2018 | 7 |
2017 | 4.2 |
2016 | 3.1 |
Impact Factor:
Zaloguj się aby zobaczyć Współczynnik Impact Factor dla tego czasopisma
Sherpa Romeo:
Prace opublikowane w tym czasopiśmie
Filtry
wszystkich: 1
Katalog Czasopism
Rok 2023
-
LOS and NLOS identification in real indoor environment using deep learning approach
PublikacjaVisibility conditions between antennas, i.e. Line-of-Sight (LOS) and Non-Line-of-Sight (NLOS) can be crucial in the context of indoor localization, for which detecting the NLOS condition and further correcting constant position estimation errors or allocating resources can reduce the negative influence of multipath propagation on wireless communication and positioning. In this paper a deep learning (DL) model to classify LOS/NLOS...
wyświetlono 337 razy