MétaCan
Menu
Retour à la cohorte
Enregistrement W1968732129 · doi:10.1109/glocom.2006.748

WLC23-4: Performance Enhancement of Medium Access Control for UWB WPAN

2006· article· en· W1968732129 sur OpenAlexaff
Kuang‐Hao Liu, Lin Cai, Xuemin Shen

Notice bibliographique

RevueGlobecom · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueUltra-Wideband Communications Technology
Établissements canadiensUniversity of VictoriaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScheduling (production processes)Computer networkPersonal area networkDistributed computingWirelessScheduleAccess controlWireless networkComputationPower controlNetwork topologyHeuristicPower (physics)EngineeringTelecommunicationsAlgorithm

Résumé

récupéré en direct d'OpenAlex

With its capability of supporting high data rate services in a short range, the ultra-wide band (UWB) technology is appealing for future wireless personal area networks (WPANs). However, the WPAN medium access control (MAC) protocol in IEEE 802.15.3 standard was originally designed for narrow band communication networks, and it is inherently inefficient for UWB networks. In this paper, we explore the unique characteristics of UWB communications and propose how to schedule concurrent transmissions in UWB networks, which can significantly improve efficiency and network capacity. Since the optimal scheduling problem for peer-to-peer concurrent transmissions is NP-hard, the induced computation load for solving the problem is not affordable to the network coordinator, commonly a normal UWB device with limited computation power and energy. We propose two simple heuristic scheduling algorithms with polynomial time complexity. Extensive simulations with random network topology demonstrate that, by allowing concurrent transmissions appropriately, the proposed scheduling algorithms can significantly increase the network throughput.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,221 · 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

Citations10
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobecomMême sujetUltra-Wideband Communications TechnologyTravaux en français237 207