MétaCan
Menu
Retour à la cohorte
Enregistrement W2803323405 · doi:10.1109/tvt.2018.2839352

Directed-Hypergraph-Based Channel Allocation for Ultradense Cloud D2D Communications With Asymmetric Interference

2018· article· en· W2803323405 sur OpenAlexaff
Youming Sun, Zhiyong Du, Yuhua Xu, Yuli Zhang, Luliang Jia, Alagan Anpalagan

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHypergraphComputer sciencePotential gameInterference (communication)Channel allocation schemesChannel (broadcasting)Nash equilibriumContext (archaeology)Cloud computingDistributed computingMathematical optimizationComputer networkTheoretical computer scienceWirelessMathematicsTelecommunicationsDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate channel allocation for ultradense device-to-device (D2D) communications. Different from both binary graph and undirected hypergraph interference model, an improved directed hypergraph is applied to simultaneously represent cumulative and asymmetric interference aspects in the context of ultradense communications. We formulate the channel access problem in cloud D2D communication networks as a directed-hypergraph-based local altruistic game, which is proved to be an exact potential game. Then, a multiagent concurrent learning scheme in centralized-distributed fashion is proposed to search the optimal pure Nash equilibrium, which can also maximize the normalized network capacity. Finally, simulation results are presented to validate the proposed learning scheme.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 GPT0,230
Écart entre enseignants0,217 · 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207