MétaCan
Menu
Retour à la cohorte
Enregistrement W2764051516 · doi:10.1109/tvt.2017.2760321

Empirical Distribution of Nearest-Transmitter Distance in Wireless Networks Modeled by Matérn Hard Core Point Processes

2017· article· en· W2764051516 sur OpenAlex
Chunlin Chen, Robert C. Elliott, Witold A. Krzymień

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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Alberta
Mots-clésWeibull distributionPiecewiseEmpirical distribution functionMathematicsProbability density functionPoint processGoodness of fitProbability distributionRayleigh distributionPoint (geometry)Kolmogorov–Smirnov testStatistical physicsAlgorithmStatisticsMathematical analysisGeometryStatistical hypothesis testingPhysics

Résumé

récupéré en direct d'OpenAlex

Availability of the distribution of the distance between a generic location and the closest point to it from a point process is very crucial for the performance analysis of wireless networks modeled by such a point process. In this paper, we fit the empirical probability density function of the closest-point distance in the Matérn hard core point process of Type II to various existing distributions, and find that the Weibull distribution has the best goodness-of-fit among all other distributions examined (e.g., the gamma, log-normal and Rayleigh distributions). We also propose a better piecewise probability density function for the closest-point distance, including an exact expression and a heuristic formula that can be fitted by a Weibull-like function. Simulation results show that the proposed piecewise model has a very close goodness-of-fit to the empirical data.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,796
Score d'incertitude au seuil0,949

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 savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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