MétaCan
Menu
Retour à la cohorte
Enregistrement W2163246329 · doi:10.1109/sis.2011.5952590

Resource allocation in bidirectional cooperative cognitive radio networks using swarm intelligence

2011· article· en· W2163246329 sur OpenAlexaff
Udit Pareek, Daniel C. Lee

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSubcarrierComputer scienceMathematical optimizationRelayParticle swarm optimizationCognitive radioMaximizationOptimization problemResource allocationInteger programmingSwarm intelligenceTransmitter power outputNonlinear programmingOrthogonal frequency-division multiplexingPower (physics)Nonlinear systemAlgorithmWirelessMathematicsComputer networkTelecommunicationsTransmitter

Résumé

récupéré en direct d'OpenAlex

In this work we consider an OFDMA-based two-way cognitive relay network that comprises multiple source-destination pairs and multiple relays. The relays assist communication between the source-destination pairs, and different relays transmit on orthogonal subcarriers. The relays employ amplify-and-forward relaying. For this network, we formulate a sum capacity maximization problem to determine the subcarrier assignment and power allocation to the relays. The optimization problem is formulated as a mixed integer nonlinear programming (MINLP). An intuitive way to obtain the optimal solution of MINLP is to exhaustively try all the combination of the discrete variables and solve the resulting non linear optimization problem. However, this approach is computationally intractable. Therefore, we use particle swarm optimization (PSO) to solve the MINLP. The proposed algorithm has low computational complexity, and we verify its effectiveness through simulation results.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,536

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,107
Tête enseignante GPT0,302
Écart entre enseignants0,195 · 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
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

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network CodingTravaux en français237 207