MétaCan
Menu
Retour à la cohorte
Enregistrement W2739712992 · doi:10.1109/icc.2017.7997133

Social stability enhanced mobile D2D relay networks: An optimal stopping approach

2017· article· en· W2739712992 sur OpenAlexaff
He Zhang, Qinghe Du, Pinyi Ren, Zehua Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRelayStability (learning theory)Computer scienceComputer networkScheme (mathematics)ExploitRelay channelMobile telephonyComputer securityMobile radioMathematics

Résumé

récupéré en direct d'OpenAlex

Device-to-device (D2D) relay network is regarded as a promising technology to meet the drastically increasing demands on local-based communication services. The relay devices on users with social behaviors will inevitably cause the negative effects on the stability of D2D communications. To improve the stability of the communication over mobile relays, we exploit users' social information in terms of contact duration to characterize the social stabilities of potential relays. Furthermore, with optimal stopping theory, we propose a joint social-physical relay re-selection scheme. This scheme takes into account the mobility of the currently selected relay as well as the social stability and physical conditions of potential relays. This can avoid the interruption of relayed communication and achieve the long-term increase of the relayed data traffic. Our scheme is shown to exhibit the stage-dependent policy structure that is adaptive for different mobility and social stability. This structure indicates that the relay re-selection scheme can achieve the tradeoff between the cost of relay probing and the amount of relayed data traffic. We conduct extensive simulations to demonstrate the superiority of our proposed scheme compared with other baseline schemes. The impact of social stability and mobility on the performance are revealed by our simulation results.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil0,765

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 Opus0,022
Tête enseignante GPT0,266
Écart entre enseignants0,244 · 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
GenreEmpirique

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

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207