MétaCan
Menu
Retour à la cohorte
Enregistrement W2954696509 · doi:10.4018/978-1-5225-9767-4.ch002

Next Generation Multi-Access Edge-Computing Fiber-Wireless-Enhanced HetNets for Low-Latency Immersive Applications

2019· book-chapter· en· W2954696509 sur OpenAlexaff
Amin Ebrahimzadeh, Martin Maier

Notice bibliographique

RevueAdvances in wireless technologies and telecommunication book series · 2019
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMobile edge computingCloud computingMobile deviceComputer networkHeterogeneous networkDistributed computingQuality of experienceEdge computingWirelessMobile cloud computingAccess networkLatency (audio)Computation offloadingCloudletMobile computingWireless networkQuality of serviceTelecommunicationsOperating system

Résumé

récupéré en direct d'OpenAlex

Next generation optical access networks have to cope with the contradiction between the intense computation and ultra-low latency requirements of the immersive applications and limited resources of smart mobile devices. In this chapter, after presenting a brief overview of the related work on multi-access edge computing (MEC), the authors explore the potential of full and partial decentralization of computation by leveraging mobile end-user equipment in an MEC-enabled FiWi-enhanced LTE-A HetNet, by designing a two-tier hierarchical MEC-enabled FiWi-enhanced HetNet-based architecture for computation offloading, which leverages both local (i.e., on-device) and nonlocal (i.e., MEC/cloud-assisted) computing resources to achieve low response time and energy consumption for mobile users. They also propose a simple yet efficient task offloading mechanism to achieve an improved quality of experience (QoE) for mobile users.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,004
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
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 Opus0,030
Tête enseignante GPT0,286
Écart entre enseignants0,256 · 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.

Devis d'étudeAutre devis
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in wireless technologies and telecommunication book seriesMême sujetIoT and Edge/Fog ComputingTravaux en français237 207