MétaCan
Menu
Retour à la cohorte
Enregistrement W4404307089 · doi:10.1109/ojcoms.2024.3497756

Spectral Efficiency and Energy Efficiency Tradeoff in Multiuser RIS-Aided Mobile Edge Computing Networks

2024· article· en· W4404307089 sur OpenAlexaff
Nazanin Kalantarinejad, Dariush Abbasi‐Moghadam, Halim Yanıkömeroğlu

Notice bibliographique

RevueIEEE Open Journal of the Communications Society · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésEfficient energy useSpectral efficiencyEnhanced Data Rates for GSM EvolutionComputer scienceMobile edge computingEnergy (signal processing)Distributed computingEnvironmental scienceComputer networkTelecommunicationsElectrical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Mobile edge computing (MEC) is emerging as a critical technology for supporting latency-sensitive and computation-intensive services-however, random wireless channel fading limits offloading rates, posing a significant challenge to MEC performance. In MEC systems, effective energy management and high-speed communication links between user devices and MEC servers are essential for supporting services that require low latency and high computation power. Reconfigurable intelligent surfaces (RIS) have been proposed as a promising solution to enhance the quality of communication links between users and MEC servers by dynamically reconfiguring the wireless propagation environment to overcome these challenges. We formulate a trade-off optimization problem to balance SE and EE in RIS-aided MEC systems, which is crucial due to limited system resources and the need for dynamic adaptation to varying network requirements-aimed at joint optimization of transmission power, phase-shift matrix, and MEC offloading and computation delays. Given the problem’s intractability, we develop an alternating optimization-based iterative algorithm incorporating quadratic transformation and successive convex approximation techniques to obtain sub-optimal solutions. Firstly, we address the minimum delay power allocation and task offloading by using quadratic transformations for fractional problems and closed-form solutions. Afterward, we optimize the phase shifts through semidefinite programming and a penalty-based approach. Simulation results validate the effectiveness of the proposed framework, demonstrating significant improvements in SE and EE compared to conventional systems without RIS or with static RIS configurations.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,301
Écart entre enseignants0,271 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of the Communications SocietyMême sujetIoT and Edge/Fog ComputingTravaux en français237 207