MétaCan
Menu
Retour à la cohorte
Enregistrement W1547422865 · doi:10.5539/jmr.v7n3p208

Optimization of Heterogeneous Network Performances Based on the Signal Interferences Noise Ration(SINR)

2015· article· en· W1547422865 sur OpenAlexaffvenue
Déthié Dione, Salimata Guèye Diagne, Papa Ndiaga Ba, Youssou Gningue, Bakary Koné, Samuel Ouya

Notice bibliographique

RevueJournal of Mathematics Research · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésBlocking (statistics)WaypointSignal-to-interference-plus-noise ratioMarkov chainInterference (communication)SIGNAL (programming language)Computer scienceNoise (video)Markov processWirelessWireless networkMathematicsComputer networkPower (physics)Real-time computingTelecommunicationsStatistics

Résumé

récupéré en direct d'OpenAlex

Integration of wireless and mobile networks to new generations constitutes a heterogeneous system, this is the case of LTE and WiFi networks. In this paper, we study and analyze the optimal performances of this system regarding the SINR(Signal Interference Noise Ration), the blocking probability and the user communication loss. The user mobility is represented by random wayPoint(RWP) model and users terminals equipped with multiple accesses interfaces. We have established a Markov chain to assess and analyze the performances obtained from the heterogeneous networks system. So we have proposed an average value of the signal power emitted in down-ling voice, the blocking probability of system connections.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,093
Tête enseignante GPT0,322
Écart entre enseignants0,229 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mathematics ResearchMême sujetAdvanced Wireless Network OptimizationTravaux en français237 207