MétaCan
Menu
Retour à la cohorte
Enregistrement W1777379964 · doi:10.1109/tit.2013.2281713

Asymptotic Scheduling Gains in Point-to-Multipoint Cognitive Networks

2013· article· en· W1777379964 sur OpenAlexaff

Notice bibliographique

RevueIEEE Transactions on Information Theory · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésScheduling (production processes)Telecommunications linkChannel (broadcasting)Lemma (botany)Cognitive radioAsymptotic analysisInterference (communication)Channel allocation schemes

Résumé

récupéré en direct d'OpenAlex

We study simultaneous channel sharing of collocated primary and secondary networks at three different levels of coexistence: pure interference, asymmetric, and symmetric. At the pure interference level, both networks operate simultaneously in the same frequency band regardless of their interference to each other. At the asymmetric level, only the secondary network performs user scheduling based on various degrees of interference and channel gain knowledge while at the symmetric level both networks do so. Using a lemma on the asymptotic behavior of the largest order statistic and a proposition on the asymptotic sum of lower order statistics, we derive asymptotic primary and secondary sum-rates under simultaneous channel sharing at each coexistence level. As a baseline comparison, time-division (TD) channel sharing is considered. While maintaining the same asymptotic primary sum-rate, the asymptotic secondary sum-rate under TD is compared with that achievable by simultaneous channel sharing. The results indicate that simultaneous channel sharing at both asymmetric and symmetric co-existence levels can outperform TD. Furthermore, this enhancement is achievable asymptotically when user scheduling in uplink mode is based only on the interference gains to the opposite network and not on a network's own channel gains.

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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,967
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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Information TheoryMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207