Stammdaten

Machine Learning Tips and Tricks for Power Line Communications
Untertitel:
Kurzfassung:

A great deal of attention has been recently given to Machine Learning (ML) techniques in many different application fields. This paper provides a vision of what ML can do in Power Line Communications (PLC). We first and briefly describe classical formulations of the ML, and distinguish deterministic from statistical learning models with relevance to communications. We then discuss ML applications in PLC for each layer, namely, for characterization and modeling, for the development of physical layer algorithms, for media access control and networking. Finally, other applications of the PLC that can benefit from the usage of ML, as grid diagnostics, are analyzed. Illustrative numerical examples are reported to serve the purpose of validating the ideas and motivate future research endeavors in this stimulating signal/data processing field.

Schlagworte:
Publikationstyp: Beitrag in Zeitschrift (Autorenschaft)
Art der Veröffentlichung Online Publikation
Erschienen in: IEEE Access
IEEE Access
zur Publikation
 ( IEEE; )
Erscheinungdatum: 17.06.2019
Titel der Serie: -
Bandnummer: 7
Heftnummer: -
Erstveröffentlichung: Ja
Version: -
Seite: S. 82434 - 84452

Identifikatoren

ISBN: -
ISSN: 2169-3536
DOI: http://dx.doi.org/10.1109/ACCESS.2019.2923321
AC-Nummer: -
Homepage: https://ieeexplore.ieee.org/document/8737766
Open Access
  • Online verfügbar (Open Access)

Zuordnung

Organisation Adresse
Fakultät für Technische Wissenschaften
 
Institut für Vernetzte und Eingebettete Systeme
Universitätsstraße 65-67
9020  Klagenfurt am Wörthersee
Österreich
  -993640
   kornelia.lienbacher@aau.at
https://nes.aau.at/
zur Organisation
Universitätsstraße 65-67
AT - 9020  Klagenfurt am Wörthersee

Kategorisierung

Sachgebiete
Forschungscluster Kein Forschungscluster ausgewählt
Zitationsindex
  • Science Citation Index Expanded (SCI Expanded)
Informationen zum Zitationsindex: Thomson Reuters Master Journal List
Peer Reviewed
  • Ja
Publikationsfokus
  • Science to Science (Qualitätsindikator: I)
Klassifikationsraster der zugeordneten Organisationseinheiten:
Arbeitsgruppen
  • Embedded Communication Systems Group

Kooperationen

Keine Kooperationspartner ausgewählt

Beiträge der Publikation

Keine verknüpften Publikationen vorhanden