MétaCan
Menu
Retour à la cohorte
Enregistrement W2107919046 · doi:10.1109/mnet.2007.314537

Packet scheduling in 3.5G high-speed downlink packet access networks: breadth and depth

2007· article· en· W2107919046 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Network · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensUniversity of GuelphQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceUMTS frequency bandsTelecommunications linkNetwork packetScheduling (production processes)Computer networkWirelessReal-time computingTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Forecasts for emerging mobile device markets anticipate that bandwidth will be squeezed by demanding applications like multimedia on demand. This will spur the need for data rates beyond what the upcoming 3G wireless cellular systems such as UMTS can offer. To boost the support for such high data rates, HSDPA, labeled as a 3.5G wireless system, has been introduced in Release 5 of UMTS technical specifications. HSDPA is a definite step toward meeting the "anywhere, anytime, and in any form" 4G communication concept. HSDPA promises a peak data rate of up to 10 Mb/s, five times larger than the data rate offered by 3G systems. In order to support such high data rates, HSDPA relies on many new technologies, among which is packet scheduling. In this article we provide breadth and depth related issues of packet scheduling in HSDPA, discuss state-of-the-art HSDPA scheduling algorithms in terms of their objectives, advantages, and limitations, and suggest further research issues that need to be addressed. In addition, we propose a packet scheduling algorithm for data traffic in HSDPA. Simulation results demonstrate the effectiveness of the proposed algorithm

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,496
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,251
Écart entre enseignants0,238 · 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