MétaCan
Menu
Retour à la cohorte
Enregistrement W4411867152 · doi:10.1109/tits.2025.3582066

Retraction Notice: Softwarized Resource Management and Allocation With Autonomous Awareness for 6G-Enabled Cooperative Intelligent Transportation Systems

2025· article· en· W4411867152 sur OpenAlexaff
Haotong Cao, Sahil Garg, Georges Kaddoum, Satinder Singh, M. Shamim Hossain

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésNoticeIntelligent transportation systemComputer scienceResource allocationResource management (computing)Transport engineeringOperations researchKnowledge managementBusinessSystems engineeringEngineeringComputer networkPolitical science

Résumé

récupéré en direct d'OpenAlex

Cooperative intelligent transport system (C-ITS) is one emerging application scenario in 6G. Within the content of 6G, softwarization is the dominant attribute of networks. 6G networks are required to have the intelligence and autonomy attributes, too. With softwarization and autonomy, not only the network capable of flexibly managing softwarized resources can be achieved, but also the network can learn and adapt itself with respect to the dynamic networking environment. However, multiple issues stand in the way of developing 6G networks, requiring to be addressed. In this paper, the softwarized resource management and allocation with autonomy and intelligence awareness in 6G networks for C-ITS application is researched. Firstly, key enabling technologies and problem model of 6G-enabled C-ITS are described. Then, an architecture design enabling to achieve the intelligent and softwarized resource management and allocation per service request, abbreviated as ReMaAl-AutoNet, is proposed. The proposed architecture design, based on reinforcement learning (RL), can realize the intelligent resource management and allocation by undergoing the training. Afterwards, simulations are illustrated to validate the proposed ReMaAl-AutoNet architecture. For instance, the successful ratio of ReMaAl-AutoNet has an advantage of over ten percentages than the direct counterpart without training.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaIntégrité de la recherche
Domaine: non disponible · Genre: Autre
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
gptIntégrité de la recherche
Domaine: non disponible · Genre: Éditorial
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,254
Écart entre enseignants0,239 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre · Éditorial

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Intelligent Transportation SystemsMême sujetBlockchain Technology Applications and SecurityCatégorieIntégrité de la rechercheTravaux en français237 207