MétaCan
Menu
Retour à la cohorte
Enregistrement W4400351402 · doi:10.1109/tsg.2024.3424150

Integrated Satellite-Terrestrial Network Framework for Next Generation Smart Grid

2024· article· en· W4400351402 sur OpenAlexaff
Yang Shen, Quan Zhou, Yao Wen, Zhikang Shuai, Z. John Shen

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSmart gridSatelliteComputer scienceGridTelecommunicationsDistributed computingSystems engineeringEngineeringElectrical engineeringAerospace engineeringGeography

Résumé

récupéré en direct d'OpenAlex

Satellite Internet as a representative of 6G offers a globally resilient service of communication, navigation, timing and remote sensing at multiple temporal and spatial scales. Facing the 6G era, the next generation smart grid (NGSG) will be constructed with the assistance of a unified space-ground network. This accounts for the unified network’s attributions of wide coverage, large base of sources and loads, and the complex environment. Hence, an integrated satellite-terrestrial network (ISTN) framework is proposed in this letter. It aims at empowering the NGSG under the massive renewable energy sources integration, which includes conditions of an intelligent urban grid, a reliable remote area grid, and a resilient grid to emergency. Heterogeneous data such as remote sensing and navigation signals are aggregated and leveraged in the proposed ISTN framework. Information entropy theory is used to coordinate the space- and ground-based networks elaborately, maximizing the utilization of network resources pointedly and efficiently. A cyber-physical platform is used based on an actual LEO satellite Internet test constellation to validate the proposed ISTN, which reveals the superiority and promising future.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,083
Tête enseignante GPT0,283
Écart entre enseignants0,201 · 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'étudeThéorique ou conceptuel
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

Citations35
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetSatellite Communication SystemsTravaux en français237 207