MétaCan
Menu
Retour à la cohorte
Enregistrement W2417392425 · doi:10.1109/tcst.2016.2558458

A Mean Field Game Computational Methodology for Decentralized Cellular Network Optimization

2016· article· en· W2417392425 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Control Systems Technology · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensMcGill UniversityPolytechnique Montréal
Organismes subventionnairesAir Force Office of Scientific ResearchNatural Sciences and Engineering Research Council of Canada
Mots-clésTelecommunications linkCellular networkQuality of serviceComputer scienceGame theoryPower controlOptimization problemInterference (communication)Computer networkNash equilibriumPopulationSignal-to-interference-plus-noise ratioDistributed computingTransmitter power outputSignal-to-noise ratio (imaging)Signal-to-interference ratioMathematical optimizationPower (physics)TransmitterTelecommunicationsMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

In cellular communication networks, quality of service (QoS) is defined as the ratio of the user's signal level to the system noise plus other agents' signal interference levels, and is commonly used to measure the performance of a mobile user over the network. In this paper, Nash equilibrium strategies, which minimize a linear combination of the system QoS and the transmitted power in code division multiple access networks, are found via an application of mean field game (MFG) control theory. Computational investigations of decentralized cellular network optimization via the application of nonlinear MFG control theory to this class of problem are presented for downlink and uplink scenarios with uniform and nonuniform agent population with respect to localized and nonlocalized interferences.

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.

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)0,001
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 enseignants0,838
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,039
Tête enseignante GPT0,298
Écart entre enseignants0,259 · 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