MétaCan
Menu
Retour à la cohorte
Enregistrement W3174155297 · doi:10.1109/tvt.2021.3093892

Energy-Efficient D2D-Assisted Computation Offloading in NOMA-Enabled Cognitive Networks

2021· article· en· W3174155297 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 Transactions on Vehicular Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensCarleton University
Organismes subventionnairesChongqing Municipal Education CommissionNational Natural Science Foundation of China
Mots-clésComputation offloadingComputer scienceCognitive radioEnergy consumptionComputationTransmitter power outputWirelessUser equipmentPower controlConvex optimizationMobile edge computingComputer networkDistributed computingEdge computingPower (physics)ServerTransmitterRegular polygonAlgorithmBase stationEngineeringTelecommunicationsEnhanced Data Rates for GSM EvolutionMathematicsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Due to the limited computation resources and lifetime of user equipment, we study the energy minimization problem for computation offloading in cognitive radio networks (CRNs). This work proposes a device-to-device (D2D)-assisted computation offloading scheme for non-orthogonal multiple access (NOMA)-enabled CRNs. Specifically, the secondary user (SU) can provide computation resources for the primary user (PU) to access the spectrum owned by the PU. With the constraints of task deadline and maximum transmit power, offloading decision and power control of PU and SU are optimized to minimize the energy consumption of CRNs. The solution is obtained by deploying the block coordinate descent method and successive convex approximation. Simulation results show the improvement of the proposed scheme in terms of energy consumption and computing performance compared with other methods.

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 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 enseignants0,858
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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,218 · 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