MétaCan
Menu
Retour à la cohorte
Enregistrement W4405488269 · doi:10.1109/tii.2024.3514110

User-Centric Networking for Indoor Visible Light Communication Systems: A Spectral Clustering-Based Approach

2024· article· en· W4405488269 sur OpenAlex
Yuhan Su, Minghui Liwang, Xianbin Wang, Zhong Chen, Tingzhu Wu

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensWestern University
Organismes subventionnairesAeronautical Science Foundation of ChinaNational Natural Science Foundation of ChinaChina Institute of Communications
Mots-clésComputer scienceVisible light communicationCluster analysisComputer networkOptoelectronicsArtificial intelligenceMaterials scienceLight-emitting diode

Résumé

récupéré en direct d'OpenAlex

Visible light communication (VLC) technology has emerged as a promising solution to address the stringent requirements of indoor industrial communication scenarios, such as the dynamic capacity requirements of smart factory. However, the inevitable deployment of ultra-dense VLC access points introduces new challenges for VLC user equipments, including difficulties related to interference control, resource allocation, and intercell handover. Motivated by these, this article proposes a user-centric networking strategy tailored for indoor VLC systems. The proposed algorithm initiates by tackling system-wide interference mitigation through the use of spectral clustering to partition the network, thereby minimizing intersubnetwork interference. Subsequently, orthogonal subchannel allocation within each subnetwork is employed, along with subchannel multiplexing across subnetworks. Simulations demonstrate the efficacy of our proposed methods, showcasing superior performance in terms of achievable rates compared to benchmarks.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,040
Tête enseignante GPT0,250
Écart entre enseignants0,210 · 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