MétaCan
Menu
Retour à la cohorte
Enregistrement W2140227348 · doi:10.1109/twc.2009.081096

Interference reduction in cognitive networks via scheduling

2009· article· en· W2140227348 sur OpenAlexaff
Patrick Mitran

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCognitive radioRician fadingRayleigh fadingFadingCognitive networkInterference (communication)Computer scienceScheduling (production processes)Node (physics)Log-distance path loss modelTopology (electrical circuits)Computer networkChannel (broadcasting)TelecommunicationsMathematicsMathematical optimizationWirelessPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract — In this letter, we first define a cognitive network to be useful if at least one node can be scheduled to transmit without causing significant simultaneous interference to any primary user and then investigate the interaction between secondary network size and the probability of the secondary network being useful. First the size of the primary network is fixed, and we analyze how quickly the interference threshold limit of the primary network can be reduced as a function of secondary network size. Here there is a tradeoff between the rate of interference threshold reduction and the probability that the secondary network is useful which is completely characterized for Rician fading. We then allow both networks to grow simultaneously. Here the tradeoff is determined in the regime that the interference decreases sufficiently fast for Rayleigh fading. We also investigate the effect of primary channel correlation. Finally, we say that the secondary network is ℓ-useful provided at least one of any ℓ secondary nodes can be scheduled. We show that in the asymptotic regime, the probabilities of the secondary network being ℓ-useful are uniquely related and do not depend on the asymptotic behavior of the interference threshold, the rates at which the networks grow or even the distribution of the fading. Index Terms — Cognitive radio, interference, scheduling. I.

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)0,006
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,258
Écart entre enseignants0,240 · 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

Citations6
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207