MétaCan
Menu
Retour à la cohorte
Enregistrement W2107706475 · doi:10.1109/twc.2012.030512.110895

Energy-Aware Resource Allocation for Cooperative Cellular Network Using Multi-Objective Optimization Approach

2012· article· en· W2107706475 sur OpenAlexaff
Rajiv Devarajan, Satish C. Jha, Umesh Phuyal, Vijay K. Bhargava

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRelayThroughputResource allocationQuality of serviceEnergy consumptionChannel state informationBase stationComputer networkWirelessTransmission (telecommunications)Efficient energy useMathematical optimizationPower (physics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Energy consumption in wireless communication system is rapidly increasing due to growing wireless multimedia access. Combating adverse effects of excessive energy consumption demands for energy-aware system design, leading to a new research paradigm called green communication. In this paper, we propose user selection and power allocation schemes for a multi-user, multi-relay cooperative cellular system in order to minimize the cost of transmission. In the proposed schemes, the cost function is first formulated to optimize the weighted sum powers of base and relay stations. It is then extended to a more general multi-objective scheme which jointly optimizes the sum power and throughput keeping a balance between them. In both of the schemes, quality-of-service is guaranteed in terms of end-to-end signal-to-noise ratio. To make the proposed schemes realistic, we assume the presence of estimation errors in channel state information. An algorithm to enhance fairness among users in these schemes is also presented. Simulation results are presented to confirm the performance of proposed schemes in terms of energy efficiency, system throughput, outage probability, and fairness to end users.

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)0,001
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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,072
Tête enseignante GPT0,291
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

Citations86
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207