MétaCan
Menu
Retour à la cohorte
Enregistrement W2056404676 · doi:10.1109/tcomm.2014.2363116

Two-Stage Spectrum Sharing With Combinatorial Auction and Stackelberg Game in Recall-Based Cognitive Radio Networks

2014· article· en· W2056404676 sur OpenAlexafffund
Changyan Yi, Jun Cai

Notice bibliographique

RevueIEEE Transactions on Communications · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStackelberg competitionCognitive radioComputer scienceFrequency allocationResource allocationQuality of serviceComputer networkGame theoryScheme (mathematics)Mathematical optimizationTelecommunicationsMathematicsMathematical economics

Résumé

récupéré en direct d'OpenAlex

The dynamic spectrum access (DSA) among multiple heterogeneous primary spectrum owners (POs) and secondary users (SUs) in recall-based cognitive radio networks is investigated in this paper. In our framework, SUs demand a different amount of spectrum for their transmissions. Each PO provides a portion of radio resources for leasing and also offers its own primary users (PUs) a certain degree of quality of service (QoS). Furthermore, POs are allowed to have different spectrum trading areas and as well as heterogeneous activities between POs' users. We propose a Two-stage resource allocation scheme with combinatorial Auction and Stackelberg Game in spectrum Sharing (TAGS) to deal with the allocation problem in such a complicated system. In the first stage, a spectrum allocation is decided by running a geographically restricted combinatorial auction without the consideration of spectrum recall. In the second stage, a Stackelberg game is formulated for all users to determine their best strategies with respect to the potential spectrum recall. Both theoretical and simulation results prove that TAGS provides a feasible solution for the problem and ensures the desired economic properties for all individuals.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,254
Écart entre enseignants0,236 · 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

Citations91
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207