MétaCan
Menu
Retour à la cohorte
Enregistrement W2118397379 · doi:10.1109/cnsr.2010.51

Self-Organizing Dynamic Spectrum Management for Cognitive Radio Networks

2010· article· en· W2118397379 sur OpenAlexaff
Farhad Khozeimeh, S. Haykin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCognitive radioTestbedScalabilityDistributed computingOptimization problemGraphBandwidth (computing)Graph theoryTheoretical computer scienceMathematical optimizationComputer networkAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

Dynamic spectrum management (DSM) is one of the key problems in the design of cognitive radio (CR) networks. It is a time-varying and location-dependent optimization problem, equivalent to the well-known graph-colouring problem in graph theory. This problem is known to be N-Phard and computationally challenging to solve. Accordingly, finding the exact solution for the DSM optimization problem is typically not practical. In this paper, we introduce a novel self-organizing DSM scheme, which solves the DSM problem in a decentralized manner. The use of self-organization to address the DSM problem offers several benefits: decentralization and scalability of the network behaviour, computational simplicity, cost-effectiveness and bandwidth conservation. In the paper, we address the underlying principles involved in the design and implementation of the self-organizing DSM as well as a software testbed for demonstrating this novel approach. Experimental results are presented to justify this new approach.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,222
Écart entre enseignants0,216 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207