Towards a smart universe: One droplet at a time
Notice bibliographique
Résumé
The development of smart platforms in the Internet-of-Things (IoT) paradigm requires a number of technological advances to go hand in hand. IoT devices and entities have very diverse set of capabilities in terms of memory, power, and processing and are connected via a wide range of links with various qualities and capacities. This work focuses on the design of state-of-the-art data transmission methodology with arguably the highest level of flexibility and adaptability. We present a novel fountain-based encoding technique using overlapped generations of Luby-Transform (LT) codes. The proposed overlapped LT (OLT) codes achieve significant gains in BER and/or code rate. They are highly energy-efficient, scalable, and robust. Our analysis shows in particular that by using OLT codes, we can modify the fountain degree distribution such that it does not contain degree-one packets starting from the second generation. Thus, we introduce new degree distributions to improve the performance of OLT codes; the new scheme is referred to as smart OLT (SOLT). Simulation results are provided to show the improvements of OLT and SOLT codes in AWGN channel in terms of error rate. For example, SOLT codes can achieve the same error performance as LT codes, but they require smaller transmission overhead, for instance, at SNR of 9 dB and error rate of 10 <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">-5</sup> , SOLT codes require a code rate of 0.476 while LT codes require a code rate of 0.417.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».