MétaCan
Menu
Retour à la cohorte
Enregistrement W1509870170 · doi:10.1109/mnet.2015.7166186

5G wireless network: MyNET and SONAC

2015· article· en· W1509870170 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Network · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWireless WANComputer networkMulti-frequency networkWireless networkMunicipal wireless networkHeterogeneous networkRadio resource managementWirelessNetwork architectureDistributed computingWi-Fi arrayTelecommunications

Résumé

récupéré en direct d'OpenAlex

Future 5G wireless networks will face new challenges, including increasing demand on network capacity to support a large number of devices running applications requiring high data rates and always-on connectivity; immensely diverse service requirements and characteristics; and supporting the emerging business models in the wireless network market requiring networks to be more open. New challenges drive new solutions and require different strategies in the network deployment, management, and operation of future 5G wireless networks compared to those of current wireless networks. One of the key objectives of future 5G wireless networks is to flexibly provide service-customized networks to a wide variety of services using the integrated cloud resource and wireless/wired network resources, which may be offered by multiple infrastructure providers and/or operators. In this article, we describe a novel wireless network architecture, MyNET, and one of the key enabling techniques called SONAC. In MyNET, basic logical functions are identified for both the control plane and the data plane. These basic functions include existing network functions, with some extensions/enhancements, as well as new network functions. SONAC selects and deploys a subset of these functions to provide customized network services.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,238
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle