MétaCan
Menu
Retour à la cohorte
Enregistrement W3191867768 · doi:10.1109/icc42927.2021.9500502

Trajectory Control and Resource Allocation for UAV-Based Networks with Wireless Backhauls

2021· article· en· W3191867768 sur OpenAlexaff
Minh Dat Nguyen, Long Bao Le, A. Girard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTrajectoryMathematical optimizationChannel (broadcasting)Resource allocationTrajectory optimizationWirelessConvergence (economics)Convex optimizationWireless networkHeuristicChannel allocation schemesOptimization problemResource management (computing)Linear programmingRegular polygonComputer networkOptimal controlAlgorithmMathematicsTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, we study the trajectory control and sub-channel assignment for unmanned aerial vehicle (UAV) based wireless networks with wireless backhauls. This design aims to maximize the min rate achieved by ground users (GUs) subject to their data transmission demands. To tackle the underlying mixed integer non-linear optimization problem, we use the alternating optimization approach where we iteratively optimize the sub-channel assignment and UAV trajectory control until convergence. Toward this end, we propose a heuristic algorithm to obtain a feasible solution for the sub-channel assignment sub-problem. In addition, the successive convex approximation (SCA) method is used to convexify and solve the non-convex UAV trajectory control sub-problem. Via extensive numerical studies, we illustrate the effectiveness of our proposed design for different network settings.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,244

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 Opus0,004
Tête enseignante GPT0,170
Écart entre enseignants0,166 · 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
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUAV Applications and OptimizationTravaux en français237 207