MétaCan
Menu
Retour à la cohorte
Enregistrement W1969203643 · doi:10.1109/noms.2006.1687665

Incentive Engineering at Congested Wireless Access Points Using an Integrated Multiple Time Scale Control Mechanism

2006· article· en· W1969203643 sur OpenAlexaff
Jun Wang, Victor C. M. Leung

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Networks and Protocols
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkWireless networkWirelessRadio resource managementQuality of serviceWirelineResource management (computing)Resource allocationDistributed computingTelecommunications

Résumé

récupéré en direct d'OpenAlex

Wireless networks are playing an increasingly important role for voice and data communications. It is estimated that the number of wireless network subscribers soon exceeds the number of wireline network subscribers. To efficiently support a large number of mobile users with a diversity of applications utilizing the scarce and limited radio resources in wireless networks, many resource allocation mechanisms have been proposed based on different metrics. Nevertheless, the fundamental problem of how to apply business rules to optimize configuration of devices, services and networks has not been widely addressed in most proposed resource management solutions. In this paper, we propose a novel incentive engineering mechanism called the integrated multiple time scale control (IMTSC) mechanism that integrates users' objectives of service differentiation and utility maximization with service providers' objectives of maximizing revenue and network efficiency. IMTSC utilizes a multiple time scale control mechanism with cumulus points to track each user's instantaneous traffic for better control of temporary network congestion, and the nuglet mechanism for admission control accounting for multiple charging factors. We provide a qualitative evaluation to show that our IMTSC mechanism provides a good balance among various perspectives that define the overall performance of a charging scheme

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,706
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,225 · 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.

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

Citations4
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Networks and ProtocolsTravaux en français237 207