MétaCan
Menu
Retour à la cohorte
Enregistrement W2573346067

Device-to-device communications for 5G Radio Access Networks

2015· article· en· W2573346067 sur OpenAlexaboutno aff
Pirkko Wahlström

Notice bibliographique

RevueAaltodoc (Aalto University) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelecommunicationsComputer scienceComputer network
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nowadays it is very popular to share video clips and images to one’s social network in the proximity. Direct device-to-device (D2D) communication is one of the means to respond to this requirement. D2D offers users improved end-to-end latency times, and additionally can provide higher data rates. At the same time the overall cellular network congestion decreases. D2D is also known as Proximity Services (ProSe). LTE is missing direct D2D communication. Currently D2D for 5G is standardised in the 3rd Generation Partnership Project (3GPP) Releases 12, and in parallel Mobile and wireless communications Enablers for the Twenty-twenty Information Society (METIS) project has D2D as one of its research topics. Multiple articles have been published about D2D communication. This thesis is a literature based thesis following D2D communication in 5G literature. The scope is to describe similarities and differences found in Technical Reports and Technical Specifications of the 3GPP Release 12, in deliverables written in METIS project and in some selected D2D related publications about D2D communications. 3GPP Release 12 concentrates on ProSe at least for public safety. ProSe communication out-of-coverage is only for public safety purposes. METIS provides multiple solutions for diverse D2D topics, for example, device discovery, radio resource management, mobility management and relaying. METIS provides solutions for D2D communication not yet mature enough for development and implementation but which might be realized in the future.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,925

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 savante0,0000,001
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 Opus0,062
Tête enseignante GPT0,278
Écart entre enseignants0,216 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAaltodoc (Aalto University)Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207