MétaCan
Menu
Retour à la cohorte
Enregistrement W3139466609 · doi:10.1109/mwc.001.2000264

A Novel Centralized Cloud-Based Mobile Data Rollover Management

2021· article· en· W3139466609 sur OpenAlexaff
Zhaleh Sadreddini, Halim Yanıkömeroğlu

Notice bibliographique

RevueIEEE Wireless Communications · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueCaching and Content Delivery
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRoamingCloud computingService (business)The InternetMobile broadbandService providerData as a serviceComputer networkComputer securityTelecommunicationsWorld Wide WebWirelessBusiness

Résumé

récupéré en direct d'OpenAlex

Mobile service providers (SPs) offer various data plans to satisfy the needs of their customers and to maximize their own profits. One of these plans is unlimited Internet access. However, in practice there is a concern for customers who do not want to pay premium prices for unlimited plans, as exceeding the maximum data allowance in a limited plan may result in a high penalty. But when users travel abroad, roaming services based on current technology have limited coverage and high prices, which do not meet customer expectations. A new paradigm to overcome these problems is a virtual SIM card (V-SIM), which can be established based on 5G network architecture. This new approach uses cloud technology to enable customers to have the data they require wherever they want. In this work, we propose a cloud-based service for users to provide data all over the world by designing the novel architecture of V-SIM technology based on 5G communication systems. More precisely, a new scheme, called a centralized cloud data center, or `data-pool' for short, is designed to present data rent and release facilities for mobile users any time and everywhere. The benefits of the proposed scheme for both SPs and their customers are modeled and analyzed based on real-world experiments. Finally, by considering the user's behavior, the performance of the proposed approach is compared to the conventional method in terms of the monthly data usage, monthly data rent/offload status, and the payment with and without considering the proposed 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.

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 candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,915
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 ouverte0,0060,002
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 Opus0,074
Tête enseignante GPT0,301
Écart entre enseignants0,227 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless CommunicationsMême sujetCaching and Content DeliveryTravaux en français237 207