MétaCan
Menu
Retour à la cohorte
Enregistrement W2035647151 · doi:10.1155/2014/945364

Fiber-Wireless (FiWi) Broadband Access Networks in an Age of Convergence: Past, Present, and Future

2014· article· en· W2035647151 sur OpenAlexaff
Martin Maier

Notice bibliographique

RevueAdvances in Optics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Photonic Communication Systems
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésBackhaul (telecommunications)Access networkComputer scienceComputer networkTelecommunicationsMobile broadbandBroadbandWirelessInternet accessWireless broadbandWireless networkCellular networkThe Internet

Résumé

récupéré en direct d'OpenAlex

After describing the beginnings and state of the art of integrated fiber-wireless (FiWi) broadband access networks in great detail, we briefly review recent progress and point to various ongoing research activities, including the design of energy-efficient “green” FiWi access networks, advanced survivability techniques, and integration of wireless and fiber optic sensors, towards realizing adaptable, dependable, and ecoconscious future-proof broadband access networks based on both wireless and shared passive fiber media. Furthermore, we discuss service, application, business, and operation related aspects, which motivate access technology to move into a substantially different direction in the long run than continued capacity provisioning. Given that most 4G cellular mobile network researches so far have been focusing on the achievable performance gains in the wireless front-end only without looking into the details of backhaul implementations and possible backhaul bottlenecks, we identify open key research challenges for FiWi broadband access networks. We explore ways of how they can be deployed across relevant economic sectors other than telecommunications per se, taking major paradigm shifts such as the Third Industrial Revolution, Energy Internet, smart grid, and explosion of mobile data traffic in today’s cellular networks into account.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0040,011
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,287
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in OpticsMême sujetAdvanced Photonic Communication SystemsTravaux en français237 207