MétaCan
Menu
Retour à la cohorte
Enregistrement W2164752097 · doi:10.1109/wcnc.2007.563

Joint Rate Control and Resource Allocation in OFDMA Wireless Mesh Networks

2007· article· en· W2164752097 sur OpenAlexaff
Long Bao Le, Ekram Hossain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSubcarrierComputer scienceComputer networkWireless mesh networkResource allocationPower controlOrthogonal frequency-division multiple accessThroughputTransmitter power outputOrthogonal frequency-division multiplexingTransmission (telecommunications)Resource management (computing)Wireless networkNode (physics)Interference (communication)Frequency-division multiple accessWirelessDistributed computingPower (physics)TransmitterEngineeringTelecommunicationsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

The authors develop distributed algorithms for joint end-to-end rate control and resource (e.g., subcarrier, power) allocation in orthogonal frequency division multiple access (OFDMA)-based wireless mesh networks. These algorithms allow spatial reuse where the same subcarrier can be used for simultaneous transmissions on different links as long as they weakly interfere with each other. The subcarrier allocation algorithm is based on routing information and a novel definition of interference sets and it aims at providing fair transmission rate among traffic flows in an end-to-end basis. The joint rate and power control is treated as a network utility maximization problem considering interference of simultaneous transmissions on the same subcarrier with node power constraint. The numerical results confirm the convergence of the joint rate and power control algorithm and show that fair end-to-end transmission is achieved. With the distributed radio resource management framework developed in this paper, a proper spatial reuse can be done to achieve good system throughput performance.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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

Citations12
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207