Throughput-based incentives for residential femtocells
Notice bibliographique
Résumé
In this paper, a) we investigate a simple throughput based incentive mechanism that could convince home users to install residential femtocells (by offering them a rate which is α > 1 times higher than the average rate received by a user associated with the macro base station), avoid most of the curse of free riders (i.e., selfish users who gets improved service just because others are investing in femto technology) and, at the end, be beneficial to both the users and the operator, and b) we propose a heuristic to compute the resource allocation supporting this incentive scheme. We show that it is cost-effective for a network operator to allocate a pool K of its licensed channels to a certain number of femto cells, even under our incentive mechanism. We first study a static scenario with fixed numbers of macro and femto users. We identify the range of values of the incentive parameter α that can be supported to reward femto users without harming macro users and we quantify the throughput gains for both macro and femto users in different situations. Then, we consider a dynamic scenario, where the number of users and the number of active femtocells change continuously, and we propose a simple and very accurate heuristic for computing K with a minimal amount of information to be collected at the macro base station. Our numerical results show that by using our proposed approach both macro and femto users are better off than in a pure macrocellular scenario.
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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».