MétaCan
Menu
Retour à la cohorte
Enregistrement W4294679913 · doi:10.4108/eetmca.v7i2.2417

Energy-efficient and high-spectrum-efficiency wireless transmission

2022· article· en· W4294679913 sur OpenAlexaff
Yajuan Tang, Shiwei Lai, Zichao Zhao, Yanyi Rao, Wen Zhou, Fusheng Zhu, Liming Chen, Dan Deng, Jing Wang, Tao Cui, Yuwei Zhang, Jun Liu, Di Wu, Zhusong Liu, Huang Huang, Xuan Zhou, Zhao Wang, Chao Li, Kai Chen, Wei Zhou, Yun Li, Kaimeno Dube, Abbarbas Muazu, Nakilavai Rono, Sunli Feng, Jiayin Qin, Haige Xiang, Zhigang Cao, Lieguang Zeng, Zhixing Yang

Notice bibliographique

RevueICST Transactions on Mobile Communications and Applications · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesNational Natural Science Foundation of China-China Academy of General Technology Joint Fund for Basic Research
Mots-clésComputer scienceComputer networkWirelessWireless networkFixed wirelessWi-Fi arrayTransmission (telecommunications)Wireless WANEfficient energy useKey distribution in wireless sensor networksWireless sensor networkRadio resource managementMunicipal wireless networkTelecommunicationsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

With the deployment and commercialization of the fifth-generation (5G) mobile communication networks, the access nodes and data volume of wireless networks are showing massive and explosive growth. In this paper, we firstly review the research progress on the energy-efficient and spectrum-efficient wireless transmission, from the perspectives of both latency and energy consumption. We then provide several solutions to high-efficiency wireless transmission for the 5G wireless networks. Finally, we give some discussions about the future road for the design of energy-efficient and spectrum-efficient wireless transmission, which provides some theoretical reference for the system design of wireless networks and Internet of Things (IoT) networks.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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'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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICST Transactions on Mobile Communications and ApplicationsMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207