MétaCan
Menu
Retour à la cohorte
Enregistrement W3196762896 · doi:10.1109/tgcn.2021.3099580

Editorial Energy Efficiency of Machine-Learning-Based Designs for Future Wireless Systems and Networks

2021· article· en· W3196762896 sur OpenAlexaff
Ekram Hossain, Firas Fredj

Notice bibliographique

RevueIEEE Transactions on Green Communications and Networking · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Signal Modulation Classification
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWirelessMIMOContext (archaeology)Wireless networkSlicingTransmission (telecommunications)The InternetEfficient energy useComputer networkTelecommunicationsResource (disambiguation)EngineeringElectrical engineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

While 5G standards are being developed, research is moving toward designing the next generation of communications (e.g., 5.5G and 6G) which are expected to provide data rates of the order of 1 Tb/s using frequency bands in the range of 100 GHz to 3 THz. In addition to providing massive capacity and connectivity by exploiting new network architectures (e.g., cell-free massive MIMO, integrated terrestrial-aerial-underwater networks), radio transmission technologies (e.g., THz communications) and resource management techniques (e.g., end-to-end network resource slicing), future networks will support new context-aware applications and services (e.g., those based on joint communications and sensing) and provide connected intelligence in the era of Internet-of-Everything.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,005

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 Opus0,031
Tête enseignante GPT0,249
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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Green Communications and NetworkingMême sujetWireless Signal Modulation ClassificationTravaux en français237 207