Multi-Armed Bandit-Aided Near-Optimal Over-The-Air Updates in Multi-Band V2X Systems
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.
Notice bibliographique
Résumé
As autonomous and connected vehicles continue to garner much research attention, the automotive Over-The-Air (OTA) updates recently emerged as an important research topic. OTA is crucial to disseminate critical updates for safety and stability of on-board sensing and operational systems. In beyond 5G(BSG) systems, OTA may be regarded as cached and a service provided by cellular base stations and roadside units (RSUs). However, for large-size OTA dissemination, the Electronic Control Units (ECUs) of vehicles need to download scheduled segments of the OTA payload from the serving RSU in an opportunistic manner, i.e., while stopping at the traffic signal or waiting in traffic. To maximize the downloadable payload per vehicle served by a RSU within a limited time window, we consider multi-band RSUs and ECUs as transmitting and receiving nodes, respectively. We consider legacy RF (radio frequency), mmWave (millimeter Wave), and visible light communication (VLC) bands at the RSU to provide large capacity links to the ECUs, respectively. However, the sub-channels of these frequency bands suffer from different blockage characteristics. We formulate this as a tradeoff problem in this paper in the presence of vehicular blockers, and propose a Thompson Sampling (TS)-based opportunistic band selection to alleviate the computational burden on both the communicating RSU and ECU nodes. Based on extensive computer-based simulations, we demonstrate the performance of our proposal in contrast with an optimal (centralized) baseline, as well as other comparable heuristic-based solutions.
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 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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
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.
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 découle