MétaCan
Menu
Retour à la cohorte
Enregistrement W3044716756 · doi:10.1109/lcomm.2020.3010324

Optimal Resource Allocation for Wireless Powered Sensors: A Perspective From Age of Information

2020· article· en· W3044716756 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Communications Letters · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueAge of Information Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEnergy harvestingComputer scienceWireless sensor networkBandwidth (computing)Base stationWirelessResource allocationTransmitter power outputReal-time computingEnergy (signal processing)Computer networkMathematical optimizationTelecommunicationsChannel (broadcasting)Mathematics

Résumé

récupéré en direct d'OpenAlex

We investigate a wireless powered sensor network, in which multiple sensors generate data and send their data to a base station (BS) periodically. Each sensor first harvests energy from the BS via wireless power transfer and then uses its available energy to transmit to the BS its data. We target minimal average age of information, by optimizing the energy harvesting time and the bandwidth allocation during the sensors' transmissions. The research problem is hard to solve, as some notations in the problem do not have a closed-form expression. To optimally solve the problem, we first show that there is a one-to-one mapping from the energy harvesting time to the bandwidth allocation. We also develop a method to obtain the bandwidth allocation vector corresponding to each value of the energy harvesting time. Then we get the optimal energy harvesting time by investigating and comparing different sub-regions of energy harvesting time. Numerical results show optimality of our solution and its performance gain over a benchmark scheme based on the traditional threshold-based method.

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 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0020,000
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 Opus0,024
Tête enseignante GPT0,252
Écart entre enseignants0,228 · 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