MétaCan
Menu
Retour à la cohorte
Enregistrement W3213071630 · doi:10.32920/ryerson.14668491.v1

Analysis of impact of machine-type-communication on human-type communication over wireless communication networks

2021· preprint· en· W3213071630 sur OpenAlexaff
Parampreet Sidhu

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueIoT Networks and Protocols
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceQuality of serviceWirelessWireless networkMarkov chainRadio resource managementBlocking (statistics)Call blockingChannel (broadcasting)Telecommunications

Résumé

récupéré en direct d'OpenAlex

With the advent of new wireless technologies, it is expected that the use of Machine-Type Communication (MTC) will significantly increase in next generation wireless networks. Wireless communication networks are considered to support MTC due to their availability and existing infrastructures. As these networks are designed and optimized in a way that they fit best for Human Type Communication (HTC), there is a need of an efficient radio re- source management (RRM) to accommodate MTC traffic without affecting the regular HTC traffic in the network. In this thesis, a continuous-time Markov chain (CTMC) model-based RRM scheme is proposed to analyze the impact of MTC traffic on HTC traffic in wireless communication networks, in terms of blocking probability and channel utilization. Numerical results are provided, demonstrating the effectiveness of the proposed RRM scheme in providing the quality of service (QoS) isolation between HTC and MTC traffic.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,344
Écart entre enseignants0,310 · 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
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT Networks and ProtocolsTravaux en français237 207