MétaCan
Menu
Retour à la cohorte
Enregistrement W2481155970 · doi:10.4018/978-1-4666-4522-6.ch007

Cloud Radio Access Networks

2013· book-chapter· en· W2481155970 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.

Notice bibliographique

RevueAdvances in systems analysis, software engineering, and high performance computing book series · 2013
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensTelus (Canada)
Organismes subventionnairesnon disponible
Mots-clésCloud computingRadio access networkSoftware-defined radioComputer scienceCellular networkFlexibility (engineering)VirtualizationComputer networkBase stationRemote radio headSoftwareDistributed computingTelecommunicationsCognitive radioOperating system

Résumé

récupéré en direct d'OpenAlex

Radio virtualization and cloud signal processing are new approaches to building cellular Radio Access Networks (RAN) that are starting to be deployed within the cellular industry. For cellular operators, Cloud RAN architectures that centrally define or decode transmissions, placing most of the base-station software stack within a data-centre, promise improvements in flexibility and performance. The expected benefits range from standard cloud economies—statistical reductions in total processing, energy efficiency, cost reductions, simplified maintenance—to dramatic changes in the functionality of the radio network, such as simplified network sharing, capacity increases towards theoretical limits, and software defined radio inspired air interface flexibility. Because cellular networks have, in addition to complex protocols, extremely sensitive timing constraints and often high data-rates, the design challenges are formidable. This chapter presents the state of the art, hybrid alternatives, and directions for making Cloud Radio Access Networks more widely deployable.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,785
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,197
Écart entre enseignants0,192 · 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