MétaCan
Menu
Retour à la cohorte
Enregistrement W3111834296 · doi:10.1109/tits.2020.3041647

Coordinated Cognitive Risk Control for Bridging Vehicular Radar and Communication Systems

2020· article· en· W3111834296 sur OpenAlexafffund
Shuo Feng, S. Haykin

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensMcMaster University
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésBridging (networking)RadarJammingComputer scienceCommunications systemVehicular communication systemsVehicular ad hoc networkEngineeringComputer securityRisk analysis (engineering)WirelessComputer networkTelecommunicationsWireless ad hoc networkBusiness

Résumé

récupéré en direct d'OpenAlex

As an essential part of the emerging Internet of Things, connected and autonomous vehicles (CAVs) have the potential to reshape future transportation systems and change the commute style in people’s everyday life. Among many vehicular on-board devices, radar system and vehicle-to-vehicle (V2V) communication system are two important pillars for the realization of CAVs. In this paper, the concept of coordinated CRC (C-CRC) is proposed to serve as a cognitive mediator for bridging vehicular radar and communication systems. By establishing a mutual-assistance relationship, C-CRC provides a new safety mechanism that allows one system to learn from and react to the risks that the other system has encountered. Simulation results have shown that the proposed method has desirable performance in face of motion perturbation and/or jamming attack under various scenarios.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,898
Score d'incertitude au seuil1,000

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,218
Écart entre enseignants0,203 · 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.

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 Intelligent Transportation SystemsMême sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207