MétaCan
Menu
Retour à la cohorte
Enregistrement W4386951303 · doi:10.1109/lnet.2023.3307246

Guest Editorial Networking Enablers for 6G Use Cases

2023· editorial· en· W4386951303 sur OpenAlexaff
Paolo Monti, Burak Kantarcı, Raouf Boutaba

Notice bibliographique

RevueIEEE Networking Letters · 2023
Typeeditorial
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensUniversity of WaterlooUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBroadbandLow latency (capital markets)Latency (audio)Computer scienceRoboticsPenetration rateMobile broadbandTelecommunicationsAugmented realityEngineeringComputer networkWirelessArtificial intelligenceRobot

Résumé

récupéré en direct d'OpenAlex

The Fifth Generation Communications (5G) has paved the way for various use cases including but not limited to networked robotics and autonomous systems, distributed and collaborative sensor/actuator technologies, personalized user experience and extended reality. 5G networking builds on three pillars to enable the accomplishment of these use cases: enhanced mobile broadband (eMBB), massive machine type communications (mMTC), and ultra reliable low latency communications (URLLC). While 5G has started to become a reality, the applications supported by these enablers require 100 microseconds at peak rate latency, 100 times faster speed and ten times higher penetration per square kilometer. Given these facts, a roadmap for the Sixth Generation Communications (6G) has been laid out aiming at Year 2030.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0060,003
Science ouverte0,0020,001
Intégrité de la recherche0,0110,017
Charge utile insuffisante (le modèle a refusé de juger)0,0140,014

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 Opus0,043
Tête enseignante GPT0,272
Écart entre enseignants0,229 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Networking LettersMême sujetIoT and Edge/Fog ComputingTravaux en français237 207