BiLSTM-Based Power Spectral Density Prediction in Low Sub-Band Wire Environments

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F25%3A00384700" target="_blank" >RIV/68407700:21230/25:00384700 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/HPCC67675.2025.00172" target="_blank" >https://doi.org/10.1109/HPCC67675.2025.00172</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/HPCC67675.2025.00172" target="_blank" >10.1109/HPCC67675.2025.00172</a>

Jazyk výsledku

angličtina

Název v původním jazyce

BiLSTM-Based Power Spectral Density Prediction in Low Sub-Band Wire Environments

Popis výsledku v původním jazyce

This work proposes the bidirectional long short-term memory (BiLSTM) algorithm to predict the PSD state in low sub-band frequencies on wire environments. A two-stream direction, forward and backward, on the BiLSTM algorithm is considered to reduce the loss of information in the analyzed data. This work appears to be the first to process PSD values analyzed using this algorithm during predictive model building. The proposed algorithm improves the accuracy of the predictive model better than the conventional long short-term memory (LSTM) and the convolutional neural network (CNN). These results show that the proposed BiLSTM algorithm can potentially be a promising solution for solving the challenge of PSD values prediction in low sub-band frequencies in wire environments.

Název v anglickém jazyce

BiLSTM-Based Power Spectral Density Prediction in Low Sub-Band Wire Environments

Popis výsledku anglicky

This work proposes the bidirectional long short-term memory (BiLSTM) algorithm to predict the PSD state in low sub-band frequencies on wire environments. A two-stream direction, forward and backward, on the BiLSTM algorithm is considered to reduce the loss of information in the analyzed data. This work appears to be the first to process PSD values analyzed using this algorithm during predictive model building. The proposed algorithm improves the accuracy of the predictive model better than the conventional long short-term memory (LSTM) and the convolutional neural network (CNN). These results show that the proposed BiLSTM algorithm can potentially be a promising solution for solving the challenge of PSD values prediction in low sub-band frequencies in wire environments.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20202 - Communication engineering and systems

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2025 IEEE International Conference on High Performance Computing and Communications (HPCC)

ISBN

979-8-3315-6874-0

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1210-1216

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Exeter

Datum konání akce

13. 8. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—