MétaCan
Menu
Retour à la cohorte
Enregistrement W4387870467 · doi:10.1109/icc45041.2023.10279671

An Age-Critical LEC-CFDP Scheme for Dual-Hop Space-Air-Ground Integrated Networks

2023· article· en· W4387870467 sur OpenAlexaff
Jianhao Huang, Jian Jiao, Ye Wang, Shaohua Wu, Rongxing Lu, Qinyu Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAge of Information Optimization
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRetransmissionNetwork packetComputer scienceLatency (audio)Computer networkAlgorithmReal-time computingTelecommunications

Résumé

récupéré en direct d'OpenAlex

The upcoming space-air-ground integrated network (SAGIN) can provide status updates relaying for ground user equipment (UEs). However, the SAGIN cannot utilize traditional hybrid automatic retransmission request (HARQ) for reliable transmission due to the high bit error rate (BER) and long propagation latency. In this paper, we propose the age-critical long erasure code-CCSDS file delivery protocol (LEC-CFDP) schemes with the metric of age of information (AoI) to realize timely status updates in dual-hop SAGIN. We first propose the uniform LEC-CFDP (U-LEC-CFDP), where the UE and satellite can uniformly insert one LEC packet in every$(L-1)$information packets, and the receiver can utilize the LEC packet to recover the lost packets and avoid retransmission. Moreover, the satellite can immediately forward the successively recovered information packets to the destination, named U-LEC-i CFDP, and a close-form expression of peak AoI (PAoI) for the U-LEC-i CFDP is derived. To further improve PAoI, we model a partially observable Markov decision process (POMDP) problem to analyse optimal$L$for our dynamic LEC-i CFDP (D-LEC-i CFDP), and design an effective Point-based Informed Bound (PIB) algorithm to update optimal$L$. Simulation results show that the D-LEC-i CFDP scheme can lower the expected end-to-end delay and PAoI in comparison with U-LEC-CFDP 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 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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAge of Information OptimizationTravaux en français237 207