MétaCan
Menu
Retour à la cohorte
Enregistrement W3159173436 · doi:10.1109/tvt.2022.3160586

Probabilistic Analysis of Operating Modes in Cache-Enabled Full-Duplex D2D Networks

2022· article· en· W3159173436 sur OpenAlexaff
Mansour Naslcheraghi, Constant Wetté, Jean‐François Frigon, Brunilde Sansò

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCaching and Content Delivery
Établissements canadiensEricsson (Canada)Polytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésBackhaul (telecommunications)CacheComputer scienceComputer networkProbabilistic logicPopularityCellular networkKey (lock)Transmission (telecommunications)Core networkDuplex (building)Base stationTelecommunicationsComputer security

Résumé

récupéré en direct d'OpenAlex

Cache-enabled Device-to-Device (D2D) communications, recognized as one of the key enablers of the fifth generation (5G) cellular network, are a promising solution for reducing the great burden on mobile core networks and backhaul links. Caching, however, imposes a new networking user Key Performance Index (KPI), which is the probability of user satisfaction. In other words, how likely is it that the user will obtain the necessary information from the network? Such probability depends on the type of transmission, (i.e., half duplex or full duplex) and on many elements related to the caching system, including the way the information is cached or the popularity of the cached information. The analysis of those elements produces different modes of operation. To evaluate the new KPI, the probabilities of each mode of operation must be extracted from the transmission and caching conditions. This paper presents a thorough analysis of those probabilities, including the relevance of the relationship between caching policies, content popularity and transmission types. Such relationships allow the smooth evaluation of user satisfaction under different conditions.

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 enseignants0,534
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,220
Écart entre enseignants0,208 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetCaching and Content DeliveryTravaux en français237 207