MétaCan
Menu
Retour à la cohorte
Enregistrement W3017186664 · doi:10.1109/mvt.2020.2980450

Massive MIMO-Assisted Mobile Edge Computing: Exciting Possibilities for Computation Offloading

2020· article· en· W3017186664 sur OpenAlexaff
Ming Zeng, Wanming Hao, Octavia A. Dobre, Zhiguo Ding, H. Vincent Poor

Notice bibliographique

RevueIEEE Vehicular Technology Magazine · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensMemorial University of NewfoundlandUniversité Laval
Organismes subventionnairesNational Science Foundation
Mots-clésMIMOMobile edge computingComputer scienceEnergy consumptionComputation offloadingEnhanced Data Rates for GSM EvolutionComputation3G MIMOQueueing theoryQueuing delayMulti-user MIMOComputer networkEdge computingDistributed computingTelecommunicationsEngineeringChannel (broadcasting)Electrical engineeringAlgorithm

Résumé

récupéré en direct d'OpenAlex

In this article, we propose to apply massive multipleinput, multiple-output (MIMO) to mobile edge computing (MEC). This application is expected to greatly facilitate the offloading in MEC by exploiting the huge gains in spectral and energy efficiencies brought by massive MIMO. Moreover, massive MIMO can support a larger number of users for simultaneous offloading, which reduces the delay for queuing and ultimately lowers the overall response time in MEC. Extensive simulation results are presented to demonstrate that employing more antennas leads to reduced system delay and ener gy consumption.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,267
Écart entre enseignants0,242 · 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

Citations37
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Vehicular Technology MagazineMême sujetIoT and Edge/Fog ComputingTravaux en français237 207