Cache-Aided Delivery Network in a Shared Cache Framework with Correlated Sources
Notice bibliographique
Résumé
The increasing number of internet users and IoT devices, in addition to the widespread use of social media and streaming services, has put significant strain on current delivery networks. Content caching has emerged as a viable solution to combat the high delivery data rate and improve the quality of services (QoS) for the end-users in such networks. In this paper, we propose a cache-aided delivery network with correlated sources in a shared cache framework where a different group of users connects to each cache. We address the caching strategy and examine the trade-off between the delivery rate and the memory size from an information-theoretic perspective. We propose a correlation-aware clustering scheme to extract the most efficient side information for the entire library during the placement phase considering the similarity among sources and the maximum distortion constraint in the system. We also formulate the expected delivery rate by joint consideration of the rate-distortion function and caching strategy, where the limit for the maximum allowable distortion in the system is determined based on the Lagrange multipliers technique and reverse water-filling algorithm. Moreover, we introduce the optimum library partitioning formulated to minimize the worst-case delivery rate in the system. We also study the proposed solution in a special case where only one shared cache is available in the network. Our extensive simulations validate the proposed scheme providing a considerable boost in network efficiency compared to legacy caching schemes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».