User-in-the-loop: spatial and temporal demand shaping for sustainable wireless networks
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
The demand for wireless access data rates is growing exponentially at a pace where supply cannot keep up with. Wireless resources (spectrum, time, space) are limited and shared, and transmission rates cannot be improved anymore solely with physical layer innovations. On the consumer side, flat rate type tariffs have established unnecessarily high expectations and often wasteful consumption. Dealing with congestion is unavoidable as a consequence of operating in a regime where demand is close to, equal to, or exceeding the supply. We can no longer assume that the current over-provisioning approach continues to be feasible. Complementary to the engineering for the growth of the supply side, this article focuses on the engineering for the control of the demand side. An approach referred to as the “user-in-the-loop” (UIL) is therefore motivated here. This article proposes spatial control, in which the user is encouraged to move to a less congested location, and temporal control, in which incentives (e.g., dynamic pricing) ensure that the user reduces (or postpones) his current data demand in case the network is congested. Results from a survey, which measures how willing a user is to respond to such control, are also presented. As users are modeled by a system-theoretic box in a closed-loop (control) system, they feature an input handle for incentives and an output handle for the reaction. Incentives can be progressive tariffs, reward programs, higher access rates, or even environmental (green) indicators. Incentives are tailored to the major Quality-of-Service (QoS) classes and help to shape the demand at the application layer-7 as well as at the user (“layer-8”). UIL can safely be applied in addition to other technologies, which are mainly for increasing the supplied capacity.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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