MétaCan
Menu
Retour à la cohorte
Enregistrement W2972917489 · doi:10.1109/lwc.2019.2940942

Contract Design for Time Resource Assignment and Pricing in Backscatter-Assisted RF-Powered Networks

2019· article· en· W2972917489 sur OpenAlexaff
Xiaozheng Gao, Dusit Niyato, Ping Wang, Kai Yang, Jianping An

Notice bibliographique

RevueIEEE Wireless Communications Letters · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensYork University
Organismes subventionnairesNational Natural Science Foundation of ChinaMinistry of Education - Singapore
Mots-clésComputer scienceGateway (web page)Default gatewayIncentiveProfit (economics)Computer networkTransmitterBackscatter (email)TelecommunicationsOperations researchWirelessEconomicsMicroeconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Backscatter communication has been acknowledged as an essential supplement to improve the performance of radio-frequency-powered networks. Considering the fact that the backscatter communication needs the cooperation from the secondary gateway, pricing is an effective method to incentivize the secondary gateway to take part in the backscatter communication. In this letter, we consider a practical scenario, where the secondary gateway only knows the statistical information about the harvested power of the secondary transmitter, and develop a time resource assignment and pricing scheme for the network based on contract theory. Specifically, the secondary gateway designs a contract, including a series of time-price items, to maximize its profit. Then, the secondary transmitter accepts the contract item which can maximize its utility. We derive the optimal contract, which guarantees the incentive compatibility and the individual rationality properties. Numerical results are presented to verify the effectiveness of our designed contract.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,017
Tête enseignante GPT0,224
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations49
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless Communications LettersMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207