MétaCan
Menu
Retour à la cohorte
Enregistrement W4290996275 · doi:10.1109/icc45855.2022.9839216

Detection Interval Optimization for Diffusion-based Molecular Communication

2022· article· en· W4290996275 sur OpenAlex
Xuan Chen, Miaowen Wen, Fei Ji, Yu Huang, Yuankun Tang, Andrew W. Eckford

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

RevueICC 2022 - IEEE International Conference on Communications · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMolecular Communication and Nanonetworks
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMolecular communicationInterference (communication)Computer scienceBit error rateInterval (graph theory)Detection theorySignal-to-noise ratio (imaging)SIGNAL (programming language)Intersymbol interferenceKey (lock)Noise (video)Electronic engineeringCommunications systemAlgorithmTelecommunicationsMathematicsArtificial intelligenceEngineeringTransmitterDetectorChannel (broadcasting)Decoding methods

Résumé

récupéré en direct d'OpenAlex

Overcoming inter-symbol interference (ISI) is one of the key challenges in the design of molecular communication systems. In this paper, we propose a scheme for optimizing the detection interval to minimize the impact of ISI while ensuring the acquisition of effective information. Our detection interval optimization applies to both the absorbing and passive receivers. For analysis, we consider as the performance metrics signal-to-interference difference (SID) and signal-to-interference and noise amplitude ratio (SINAR) proposed in the literature rather than the intractable bit error rate (BER). Accordingly, we derive the optimal detection interval in closedform. Finally, simulation results in terms of BER verify the theoretical analysis and also show the promising advantages of the proposed scheme in signal detection.

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), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,973
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
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 Opus0,046
Tête enseignante GPT0,295
Écart entre enseignants0,249 · 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