Hamda Bouzabia, Tri Nhu Do
et Georges Kaddoum
Article de revue (2023)
Document publié alors que les auteurs ou autrices n'étaient pas affiliés à Polytechnique Montréal
Un lien externe est disponible pour ce document
| URL de PolyPublie: | https://publications.polymtl.ca/56316/ |
|---|---|
| Titre de la revue: | IEEE Systems Journal (vol. 17, no 2) |
| Maison d'édition: | IEEE |
| DOI: | 10.1109/jsyst.2022.3180481 |
| URL officielle: | https://doi.org/10.1109/jsyst.2022.3180481 |
| Date du dépôt: | 02 nov. 2023 15:35 |
| Dernière modification: | 05 avr. 2024 12:03 |
| Citer en APA 7: | Bouzabia, H., Do, T. N., & Kaddoum, G. (2023). Deep Learning-Enabled Deceptive Jammer Detection for Low Probability of Intercept Communications. IEEE Systems Journal, 17(2), 2166-2177. https://doi.org/10.1109/jsyst.2022.3180481 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
