El uso de la tecnología de formación de haces en comunicaciones de ondas milimétricas independientes (SA) resulta en modos de transmisión y recepción direccionales en la estación móvil (MS) y la estación base (BS). Esto conlleva desafíos de acceso inicial a los haces, ya que la MS y la BS ahora están obligadas a realizar una búsqueda espacial para determinar las mejores direcciones de haz que devuelvan los niveles de señal más altos. El alto número de mediciones de señal aquí prolonga los tiempos de acceso y las latencias, así como aumenta el consumo de energía y potencia. Por lo tanto, este documento propone un primer estudio sobre el aprovechamiento de esquemas de aprendizaje profundo para simplificar el procedimiento de acceso a los haces en redes mmWave independientes. El esquema propuesto combina una red neuronal recurrente bidireccional (BRNN) y memoria a corto plazo (LSTM) para lograr tiempos de acceso inicial rápidos. Específicamente, el esquema predice el mejor índice de haz para usar en el siguiente paso de tiempo una vez que una MS accede a la red, por ejemplo, la transición de los modos de sueño a activo (o inactivo). El esquema elimina la necesidad de exploración de haces, logrando así tiempos de acceso ultra bajos y eficiencias energéticas en comparación con los métodos existentes.