MétaCan
Menu
Retour à la cohorte
Enregistrement W2942720829 · doi:10.1109/lcomm.2019.2914196

Bringing the Functionality of Tag Sampling to Reality for COTS RFID Systems

2019· article· en· W2942720829 sur OpenAlexaff
Qiwen Hu, Xin Xie, Xiulong Liu, Keqiu Li, Jie Wu

Notice bibliographique

RevueIEEE Communications Letters · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRFID technology advancements
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Key Research and Development Program of ChinaNatural Science Foundation of Tianjin CityNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésComputer scienceSampling (signal processing)Sample (material)Scheme (mathematics)Sampling schemeReal-time computingEmbedded systemTelecommunications

Résumé

récupéré en direct d'OpenAlex

Tag sampling is required by many promising RFID applications to read only a part of tags instead of all for better time-efficiency. However, the functionality of tag sampling is not actually supported by the COTS RFID devices. This letter proposes the multi-array tag sampling (MTS) scheme, in which the interactions between reader and tags are clearly specified, to bring tag sampling from theoretical assumption to reality. We use Impinj R420 reader and Monza 4QT tags to implement a prototype to validate the feasibility of MTS. Extensive experimental and simulation results reveal MTS can sample the tags with predefined probabilities, meanwhile performing very well in terms of space- and time-efficiency.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil0,346

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 ouverte0,0010,000
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 Opus0,059
Tête enseignante GPT0,303
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetRFID technology advancementsTravaux en français237 207