MétaCan
Menu
Retour à la cohorte
Enregistrement W4386703035 · doi:10.1109/access.2023.3315246

Evolution Toward Data-Driven Spectrum Sharing: Opportunities and Challenges

2023· article· en· W4386703035 sur OpenAlexaff
Colin Brown, Amir Ghasemi

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensCommunications Research Centre Canada
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSpectrum managementWirelessInterference (communication)Radio spectrumTelecommunicationsData sharingData scienceCognitive radioRisk analysis (engineering)Channel (broadcasting)Business

Résumé

récupéré en direct d'OpenAlex

As the demand for wireless services continues to grow, the need for efficient and effective management of the radio frequency (RF) spectrum becomes increasingly important. A spectrum management approach based on data analysis and interpretation i.e. data-driven, offers a solution as it provides valuable insights into spectrum usage patterns, demand, and the potential for harmful interference in shared spectrum scenarios. This paper focuses on the opportunities and challenges of incorporating diverse data sources into the management of spectrum, with a specific emphasis on spectrum sharing, particularly within database-assisted spectrum sharing systems. The benefits of adopting a data-driven approach to these systems are demonstrated through simulation of specific case studies. These studies indicate the potential for achieving up to a 60% greater density of spectrum use compared to conventional approaches, while also effectively managing harmful interference.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil0,361

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,330
Tête enseignante GPT0,339
Écart entre enseignants0,009 · 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.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetPower Line Communications and NoiseTravaux en français237 207