Revisiting Scheduling in Heterogeneous Networks When the Backhaul Is Limited
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.
Notice bibliographique
Résumé
We study the impact of the limited capacity of backhaul links on downlink user scheduling in a heterogeneous network comprising macro base stations and small cells. Assuming a tree topology of the backhaul network, we formulate a backhaulaware global α-fair time-domain user scheduling problem and study it under three different scenarios of backhaul limitations. For the scenario where the backhaul links are not the bottleneck, we derive closed-form scheduling solutions to the scheduling problem under certain assumptions. For the scenario where the backhaul links between the macro base station and the small cells are the bottleneck, we show that the global α-fair user scheduling problem can be decomposed into a set of independent local α-fair user scheduling problems. However, unlike the previous case, a local scheduler in this case is not of a unique type but can be of one of three types, depending on the available backhaul capacity. We completely characterize these three types and also propose a simple heuristic for optimal α-fair scheduling. When the link between the macro base station and the core network is a potential bottleneck, we show how each base station can still perform a local scheduling as in the previous case as long as there is a master problem that allocates feasible virtual backhaul capacities to each BS. However, computing the optimal virtual capacities is complex and expensive in terms of the amount and frequency of information exchanges. For this scenario, we propose realization-agnostic heuristic schemes that are simple to implement and perform quite well.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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