MétaCan
Menu
Retour à la cohorte
Enregistrement W4399990477 · doi:10.1109/jiot.2024.3418650

Joint Sensing, Communications, and Computing Design for 6G URLLC Service-Oriented MEC Networks

2024· article· en· W4399990477 sur OpenAlexafffund
Dang Van Huynh, Saeed R. Khosravirad, Simon L. Cotton, Thang X. Vu, Octavia A. Dobre, Hyundong Shin, Trung Q. Duong

Notice bibliographique

RevueIEEE Internet of Things Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMolecular Communication and Nanonetworks
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesEngineering and Physical Sciences Research CouncilMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaCanada Excellence Research Chairs, Government of CanadaFonds National de la Recherche LuxembourgCanada Research ChairsNational Research Foundation
Mots-clésComputer scienceJoint (building)Computer networkService (business)TelecommunicationsDistributed computingEngineering

Résumé

récupéré en direct d'OpenAlex

The convergence of advanced communication technologies and powerful computing architecture has unlocked a plethora of opportunities for Internet-of-Things applications. To fully realize this potential, a synergistic design encompassing sensing, computing, and communication is crucial. This article investigates these critical technologies to facilitate service-oriented systems by minimizing end-to-end latency and the number of deployed services at edge servers in mobile edge computing, all within the confines of stringent ultrareliable and low-latency communication requirements and system budget constraints. The addressed optimization problem takes into account variables, such as service placement strategies, task offloading portions, and bandwidth allocation. Simulation results validate the effectiveness of our solution and highlight the impact of key parameters on system performance.

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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,258
Écart entre enseignants0,226 · 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
GenreMéthodes

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

En bref

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetMolecular Communication and NanonetworksTravaux en français237 207