Device‐centric communication in IoT: An energy efficiency perspective
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.
Notice bibliographique
Résumé
Abstract Emerging device‐centric communication technologies such as device‐to‐device (D2D) communication, devices‐to‐device (Ds2D) communication, and multi‐homing (MH) D2D have been considered as essential parts of future fifth‐generation networks as well as Internet of Things (IoT). The device‐centric communication offers enhanced cellular data rates, high spectral efficiency, reduced latency, improved fairness, better energy efficiency, and extended coverage; however, the battery life of end devices is crucial to fully reap the benefits of this technology. In this article, a new method for device‐centric communication in IoT system is introduced, where multiple source IoT devices (SIDs) can send data to multiple destination IoT devices (DIDs) using multiple radio resource blocks. This method is called devices‐to‐devices (Ds2Ds) communication. The objective is to select the optimal SIDs, DIDs, and radio resource blocks such that the total energy efficiency for all DIDs is maximized. A tree search algorithm is proposed to select the optimal SIDs, DIDs, and radio resource blocks. Extensive simulations have been carried out to compare energy efficiency per SID/DID for Ds2Ds, Ds2D, and MH‐D2D. The simulation results show the superiority of Ds2Ds over Ds2D in terms of energy efficiency, which, in turn, implies better throughput. Furthermore, Ds2Ds is superior to MH‐D2D in terms of energy consumption per source device, a very good and promising requirement for green communication.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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