MétaCan
Menu
Retour à la cohorte
Enregistrement W4389258072 · doi:10.1002/9781119913122.ch1

Introduction to Intelligent Surfaces

2023· other· en· W4389258072 sur OpenAlexaff
Kaitao Meng, Qingqing Wu, Trung Q. Duong, Derrick Wing Kwan Ng, Robert Schober, Rui Zhang

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésControl reconfigurationWirelessSelective surfacePlanarSIGNAL (programming language)Computer scienceReflection (computer programming)Surface (topology)Radio propagationRefractionDiagonalElectronic engineeringEngineeringTelecommunicationsOpticsPhysicsEmbedded system

Résumé

récupéré en direct d'OpenAlex

The advancing radio environment reconfiguration technique has recently emerged as a promising new paradigm to achieve smart and highly controllable ratio propagation channels for next-generation wireless communication systems. Generally, an intelligent surface is a planar surface comprising a large number of passive reflecting/refracting elements, each of which can induce a controllable amplitude and/or phase change to the incident signal independently. With a dense deployment of smart surfaces in a wireless network and smartly coordinating their reflection/refraction, the signal propagation/radio between transmitters and receivers can be flexibly reconfigured to achieve the desired realizations and/or distributions. Motivated by the above advantages, it is foreseen that intelligent surfaces will bring fundamental paradigm shifts in wireless network design in the future. Several new trends in intelligent surface applications are being investigated, including the transition from single surfaces to network-level surfaces, from passive surfaces to active and hybrid surfaces, from reflective/refractive surfaces to omni-surfaces, from ground surfaces to integrated air-ground surfaces, from fixed surfaces to mobile surfaces, and from simple connection surfaces to beyond diagonal surfaces.

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)0,002
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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0370,015

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 Opus0,015
Tête enseignante GPT0,248
Écart entre enseignants0,234 · 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
GenreAutre

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

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207