 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Kirana, M. C., Keyela, P., Rostamian, F., Tashman, D., & Cherkaoui, S. (2026). ML-Enabled Open RAN: A Comprehensive Survey of Architectures, Challenges, and Opportunities. IEEE Communications Surveys & Tutorials, 28, 4948-4979. Lien externe
Tashman, D., & Cherkaoui, S. (2026). Trustworthy AI-Driven Dynamic Hybrid RIS: Joint Optimization and Reward Poisoning-Resilient Control in Cognitive MISO Networks. IEEE Transactions on Network and Service Management, 1 page. Lien externe
Tashman, D., & Cherkaoui, S. (décembre 2025). Dynamic Grover Search Optimization with Deep Q-Networks for Active User Detection [Communication écrite]. IEEE Global Communications Conference (GLOBECOM 2025), Taipei, Taiwan. Lien externe
Tashman, D., & Cherkaoui, S. (février 2025). Dynamic Synergy: Leveraging RIS and Reinforcement Learning for Secure, Adaptive Underlay Cognitive Radio Networks [Communication écrite]. Global Information Infrastructure and Networking Symposium (GIIS 2025), Dubai, United Arab Emirates. Lien externe
Tashman, D., & Cherkaoui, S. (mai 2025). Quantum-Aided Active User Detection for Energy-Efficient CD-NOMA in Cognitive Radio Networks [Communication écrite]. International Wireless Communications and Mobile Computing (IWCMC 2025), Abu Dhabi, United Arab Emirates. Lien externe
Tashman, D., & Cherkaoui, S. (juillet 2024). Securing Cognitive IoT Networks: Reinforcement Learning for Adaptive Physical Layer Defense [Communication écrite]. 6th International Conference on Communications, Signal Processing, and their Applications (ICCSPA 2024), Istanbul, Turkiye. Lien externe
Tashman, D., Cherkaoui, S., & Hamouda, W. (juin 2024). Federated Learning-based MARL for Strengthening Physical-Layer Security in B5G Networks [Communication écrite]. 59th Annual IEEE International Conference on Communications (ICC 2024), Denver, CO, USA. Lien externe
Tashman, D., Cherkaoui, S., & Hamouda, W. (2024). Maximizing Reliability in Overlay Radio Networks With Time Switching and Power Splitting Energy Harvesting. IEEE Transactions on Cognitive Communications and Networking, 10(4), 3375500 (10 pages). Lien externe
Tashman, D., Cherkaoui, S., & Hamouda, W. (2024). Optimizing Cognitive Networks: Reinforcement Learning Meets Energy Harvesting Over Cascaded Channels. IEEE Systems Journal, 18(4), 3442017 (10 pages). Lien externe
Tashman, D., & Cherkaoui, S. (mai 2024). Securing Next-Generation Networks against Eavesdroppers: FL-Enabled DRL Approach [Communication écrite]. 20th IEEE International Wireless Communications and Mobile Computing Conference (IWCMC 2024), Hybrid, Ayia Napa, Cyprus. Lien externe
Khalek, N. A., Tashman, D., & Hamouda, W. (2023). Advances in Machine Learning-Driven Cognitive Radio for Wireless Networks: A Survey. IEEE Communications Surveys and Tutorials, 38 pages. Lien externe
Tashman, D., Cherkaoui, S., & Hamouda, W. (juin 2023). Performance Optimization of Energy-Harvesting Underlay Cognitive Radio Networks Using Reinforcement Learning [Communication écrite]. 2023 International Wireless Communications and Mobile Computing (IWCMC 2023), Marrakesh, Morocco. Lien externe
Tashman, D., Cherkaoui, S., Hamouda, W., & Senouci, S. M. (décembre 2023). Securing Overlay Cognitive Radio Networks Over Cascaded Channels with Energy Harvesting [Communication écrite]. IEEE Globecom Workshops (GC Wkshps 2023), Kuala Lumpur, Malaysia. Lien externe
