MétaCan
Menu
Retour à la cohorte
Enregistrement W2091736188 · doi:10.1109/wcnc.2013.6554629

Online QoS-based dynamic scheduling in multi-channel wireless networks

2013· article· en· W2091736188 sur OpenAlexaff
Khoa T. Phan, Tho Le‐Ngoc

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFadingScheduling (production processes)Dynamic priority schedulingQuality of serviceFair-share schedulingA priori and a posterioriWirelessOnline algorithmWireless networkMathematical optimizationComputer networkRound-robin schedulingChannel (broadcasting)Distributed computingAlgorithmMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This work studies the power optimal dynamic scheduling problem in multi-channel multi-user wireless access networks. Users have quality-of-service (QoS) requirements on the minimum rates with statistical delay guarantees. Only one user is allowed to transmit over a channel in a given time slot. This work considers two scenarios: homogeneous and heterogeneous users. For the former scenario, the optimal scheduling policy can be derived, and an online scheduling algorithm for the optimal policy is proposed using online time-averaging without requiring a-priori known fading statistics. For the latter scenario, the optimal scheduling problem is combinatorially hard; hence, even when the fading statistics are available, computing the optimal policy is intractable. Consequently, this work develops a sub-optimal online scheduling algorithm with linear complexity which does not require a-priori known fading statistics. Moreover, the scheduling algorithm satisfies the QoS constraints for the users. Illustrative results demonstrate the performance of the proposed scheduling algorithms in various settings.

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)0,005
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,219 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207