MétaCan
Menu
Retour à la cohorte
Enregistrement W2096297385 · doi:10.1109/isit.2010.5513405

On the achievable rates in decentralized networks with Randomized Masking

2010· article· en· W2096297385 sur OpenAlexaff
Kamyar Moshksar, Amir K. Khandani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Communication Security Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTransmitterComputer scienceChannel (broadcasting)Entropy power inequalityInterference (communication)Transmission (telecommunications)Upper and lower boundsInformation theoryMasking (illustration)Topology (electrical circuits)AlgorithmComputer networkTheoretical computer scienceMathematicsTelecommunicationsCombinatoricsEntropy rateStatisticsPrinciple of maximum entropyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We address a two-user decentralized interference channel with static non-frequency selective channel gains. Both users are unaware of each other's code-books and there is no central controller to manage the allocation of resources between the two users. As multiuser detection is not possible, the conventional scheme of transmitting a continuous stream of i.i.d. symbols from Gaussian codebooks by each transmitter (referred to as continuous transmission) results in excessive interference. To provide both users with a partially interference-free channel, we propose that each user randomly quits transmitting from transmission slot to transmission slot independently with a probability of 1 - ε; ε ∈ (0, 1). This is called the Randomized Masking (RM) protocol. Due to the on-off nature of transmissions, the noise plus interference process has a mixed distribution. As a result, the mutual information between the input and the output of the channels does not accept any closed form expression. Assuming each user transmits i.i.d. signals upon activation, the highest achievable rate by each user is denoted by CRM-I. We derive upper and lower bounds on CRM-Iwhere Entropy Power Inequality (EPI) and the extremal inequality of Liu and Viswanath are two important tools in this analysis. Using the proposed lower bound, we devise a distributed strategy to select the activity factor e. Note that this strategy includes the conventional continuous transmission by setting ε = 1. The main result of the paper states that there exist values of 0 ≤ αRM-Ias far as the Signal-to-Noise Ratio (SNR) is sufficiently large. Therefore, it is proved that transmitting i.i.d. signals in consecutive transmission slots is not optimum under the RM protocol.

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)0,007
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,036
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0030,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
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 Opus0,006
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Security TechniquesTravaux en français237 207