MétaCan
Menu
Retour à la cohorte
Enregistrement W3004198548 · doi:10.1109/tsp.2020.2970309

Energy-Optimal Multiple Access Computation Offloading: Signalling Structure and Efficient Communication Resource Allocation

2020· article· en· W3004198548 sur OpenAlexafffund
Mahsa Salmani, Timothy N. Davidson

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceExploitResource allocationComputation offloadingTime division multiple accessSignallingEfficient energy useDistributed computingEnergy consumptionComputationWirelessComputer networkChannel allocation schemesEmbedded systemEdge computingAlgorithmTelecommunicationsInternet of Things

Résumé

récupéré en direct d'OpenAlex

Computation offloading enables energy-limited devices to expand the scope of the computational tasks that they can complete within specified latency requirements. However, when multiple devices seek to offload, effective allocation of resources becomes crucial. In this paper, we develop an energy-optimal signalling structure for a K-user offloading system, and an efficient algorithm for allocating the communication resources provided by that structure. The signalling structure is designed to exploit the differences between the users' latencies and the reduction in interference that arises when a device completes its offloading. That results in a time-slotted signalling structure, which is then optimized for a multiple access scheme that exploits the full capabilities of the channel (FullMA). The optimized signalling structure enables us to substantially reduce the dimension of the resource allocation problem, and to develop efficient algorithms to tackle that problem for both the binary and partial offloading cases. Our numerical experiments illustrate that the proposed time-slotted FullMA signalling structure significantly reduces the energy consumption of the devices compared to some existing methods that employ orthogonal multiple access schemes, such as TDMA, and to those with FullMA, but sub-optimal single-time-slot signalling structures.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,031
Tête enseignante GPT0,260
Écart entre enseignants0,229 · 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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetIoT and Edge/Fog ComputingTravaux en français237 207