MétaCan
Menu
Retour à la cohorte
Enregistrement W2626553122 · doi:10.1109/radar.2017.7944344

Task selection and scheduling in multifunction multichannel radars

2017· article· en· W2626553122 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

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptimization and Search Problems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHeuristicsComputer scienceScheduling (production processes)Computational complexity theoryRadarRadar trackerJob shop schedulingBranch and boundReal-time computingTask analysisTimelineTask (project management)Distributed computingMathematical optimizationAlgorithmEngineeringEmbedded systemMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In a multifunction radar, several tasks with differing parameters, such as tracking and surveillance, must be scheduled on a timeline. In an overload situation, the scheduling can become a challenging problem, as some of the tasks may need to be delayed or even dropped. With recent advancements in multichannel radars, e.g., multifrequency radars, it is possible to perform multiple tasks on different channels in parallel. This leads to us considering the NP-hard problem of optimal task scheduling for multiple channels. We extend previously proposed heuristic approaches to the multichannel case; but our main contribution is an optimal solution based on the branch-and-bound (B&B) method. The heuristics are suboptimal but have the advantage of low computational complexity. On the other hand, the optimal solution provides significantly better performance than the heuristics, but has high computational burden and is likely impractical for real-time scheduling. However, the B&B approach does provide the performance upper bound on heuristics and can be used to train a cognitive task scheduler.

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 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 enseignants0,765
Score d'incertitude au seuil0,326

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,025
Tête enseignante GPT0,279
Écart entre enseignants0,254 · 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

En bref

Citations35
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptimization and Search ProblemsTravaux en français237 207