MétaCan
Menu
Retour à la cohorte
Enregistrement W1989873462 · doi:10.1155/asp/2006/24012

Analysis of Iterative Waterfilling Algorithm for Multiuser Power Control in Digital Subscriber Lines

2006· article· en· W1989873462 sur OpenAlexfundno aff
Zhi‐Quan Luo, Jong‐Shi Pang

Notice bibliographique

RevueEURASIP Journal on Advances in Signal Processing · 2006
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésDigital subscriber lineComputer scienceIterated functionMathematical optimizationNash equilibriumIterative methodPower controlRate of convergencePower (physics)TelecommunicationsAlgorithmChannel (broadcasting)Mathematics

Résumé

récupéré en direct d'OpenAlex

We present an equivalent linear complementarity problem (LCP) formulation of the noncooperative Nash game resulting from the DSL power control problem. Based on this LCP reformulation, we establish the linear convergence of the popular distributed iterative waterfilling algorithm (IWFA) for arbitrary symmetric interference environment and for certain asymmetric channel conditions with any number of users. In the case of symmetric interference crosstalk coefficients, we show that the users of IWFA in fact, unknowingly but willingly, cooperate to minimize a common quadratic cost function whose gradient measures the received signal power from all users. This is surprising since the DSL users in the IWFA have no intention to cooperate as each maximizes its own rate to reach a Nash equilibrium. In the case of asymmetric coefficients, the convergence of the IWFA is due to a contraction property of the iterates. In addition, the LCP reformulation enables us to solve the DSL power control problem under no restrictions on the interference coefficients using existing LCP algorithms, for example, Lemke's method. Indeed, we use the latter method to benchmark the empirical performance of IWFA in the presence of strong crosstalk interference.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,267
Écart entre enseignants0,258 · 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

Citations203
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Advances in Signal ProcessingMême sujetPower Line Communications and NoiseTravaux en français237 207