MétaCan
Menu
Retour à la cohorte
Enregistrement W2765984063 · doi:10.1109/twc.2017.2762680

Low-Complexity Priority-Aware Interference-Avoidance Scheduling for Multi-user Coexisting Wireless Networks

2017· article· en· W2765984063 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNatural Science Foundation of Guangxi ProvinceNational Natural Science Foundation of China
Mots-clésComputer scienceInitializationScheduling (production processes)Greedy algorithmColumn generationMathematical optimizationWireless networkWirelessLinear programmingMaximizationDistributed computingAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, the priority-aware interference-avoidance scheduling for multi-user coexisting wireless networks with heterogeneous traffic demands is addressed. Both admission control and throughput maximization for admitted users are studied. These problems are addressed by a proposed sequential solution framework where at each step a large-scale linear program with a large number of variables is required to be solved. To efficiently solve the large-scale program, an accelerated column generation based method is proposed. In the proposed method, an efficient greedy initialization algorithm is first put forward by exploiting the proposed solution structure. After that, both upper and lower bounds on the optimal objective function of each optimization problem are derived, which are used to significantly alleviate the dependence of the whole solution procedure on deriving optimality of problems. Simulation results show that the proposed algorithm can effectively and efficiently handle the coexistence of multiple users with heterogeneous priorities and traffic demands.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,073
Tête enseignante GPT0,317
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