この研究は、屋内シナリオでのWiFi波源から発せられる高周波（RF）ばく露の評価において、異なる波源（例：ノートPC、プリンター、タブレットPC、スマートフォン）からのダウンリンク送信アクセスポイントだけでなく、アップリンク送信の影響も含む実生活でのばく露セットアップの複雑さと変動性を評価する能力を構築するための、ニューラルネットワーク（NN）に基づく新たな機械学習法を提案している。このアプローチは、異なるレイアウトに対して十分な性能を有し、屋内シナリオでのRFばく露の評価に一般的に利用できる、と著者らは報告している。
このウェブサイトはクッキー（Cookies）を使って、最善のブラウジングエクスペリエンスを提供しています。あなたがこのウェブサイトを継続して使用することで、私たちがクッキーを使用することを許可することになります。
