MétaCan
Menu
Retour à la cohorte
Enregistrement W2123545238 · doi:10.1109/tmc.2013.106

An Optimization Framework for XOR-Assisted Cooperative Relaying in Cellular Networks

2013· article· en· W2123545238 sur OpenAlexaff
Hong Xu, Baochun Li

Notice bibliographique

RevueIEEE Transactions on Mobile Computing · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLinear network codingCooperative diversityRelayMaximizationOptimization problemBipartite graphResource allocationCoding (social sciences)Mathematical optimizationChannel (broadcasting)Computer networkTheoretical computer sciencePower (physics)AlgorithmMathematicsFading

Résumé

récupéré en direct d'OpenAlex

This work seeks to address two questions in cooperative OFDMA networks: First, how network coding based cooperative diversity can be exploited effectively when overhearing is not readily available. Second, how to realize various forms of gains available, including multi-user diversity, cooperative diversity, and network coding. The main contribution of this paper is an unifying network utility maximization framework that jointly considers relay assignment, relay strategy selection, channel assignment and power allocation. We formulate the optimization problem both with and without XOR-CD, a simple XOR-assisted cooperative diversity scheme. We show that the optimization of physical layer resource allocation with XOR-CD is equivalent to a weighted 3-set packing problem, which is NP-complete, and can be efficiently solved with provably the best approximation factor. Without XOR-CD, the problem reduces to a weighted bipartite matching problem which can be optimally solved.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,288
Écart entre enseignants0,260 · 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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Mobile ComputingMême sujetCooperative Communication and Network CodingTravaux en français237 207