MétaCan
Menu
Retour à la cohorte
Enregistrement W2153016179 · doi:10.1109/twc.2013.032113.120652

Relay Selection and Resource Allocation for Multi-User Cooperative OFDMA Networks

2013· article· en· W2153016179 sur OpenAlexaff
Md. Shamsul Alam, J.W. Mark, Xuemin Shen

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRelaySubcarrierResource allocationSubgradient methodOrthogonal frequency-division multiple accessQuality of serviceThroughputFrequency-division multiple accessComputer networkTelecommunications linkMathematical optimizationOptimization problemOrthogonal frequency-division multiplexingPower (physics)WirelessTelecommunicationsAlgorithmMathematicsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

The resource allocation problem is investigated for relay-based multi-user cooperative Orthogonal Frequency Division Multiple Access (OFDMA) uplink system, considering heterogeneous services. A quality of service (QoS) aware optimal relay selection, power allocation and subcarrier assignment scheme under a total power constraint is proposed. The relay selection, power allocation and subcarrier assignment problem is formulated as a joint optimization problem with the objective of maximizing the system throughput, which is solved by means of a two level dual decomposition and subgradient method. To further reduce the computational cost, two low-complexity suboptimal schemes are also proposed. The performance of the proposed schemes is demonstrated through computer simulations based on LTE-A network. Numerical results show that the proposed schemes support heterogeneous services while guaranteeing each user's QoS requirements with slight total system throughput degradation.

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)0,002
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,050
Tête enseignante GPT0,294
Écart entre enseignants0,244 · 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

Citations125
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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