MétaCan
Menu
Retour à la cohorte
Enregistrement W4413156513 · doi:10.1109/twc.2025.3595550

RIS-Enhanced Semantic-Aware Sensing, Communication, Computation, and Control for Internet of Things

2025· article· en· W4413156513 sur OpenAlexaff
Sun Mao, Chau Yuen, Lei Liu, Ming Xiao, Shui Yu

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Automated Systems
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Science Foundation of Sichuan ProvinceNational Natural Science Foundation of ChinaMinistry of Education
Mots-clésComputer scienceComputationInternet of ThingsThe InternetControl (management)Computer networkArtificial intelligenceWorld Wide WebAlgorithm

Résumé

récupéré en direct d'OpenAlex

The joint design of sensing, communication, computing, and control (SC3) is crucial for supporting environment-aware Industrial Internet of Things (IIoT) applications. Considering the uncontrollable wireless propagation environments and limited spectrum resources, wireless communication performance often becomes the primary design bottleneck for such an integrated system. To address this challenge, this paper presents a design framework for reconfigurable intelligent surface (RIS)-enhanced semantic-aware SC3networks, where RIS and semantic communication technologies are employed to improve wireless communication efficiency. To facilitate real-time closed-loop control, we further formulate a weighted sum execution latency minimization problem, while imposing constraints on maximum execution latency and energy consumption of individual IoT device, as well as minimum information entropy to meet specific control requirements measured by linear quadratic regulator cost. In addition, the design framework aims at optimizing bandwidth allocation, RIS phase shift matrix, time scheduling, transmit power, and CPU-cycle frequency for IoT devices and the base station (BS). To handle the coupled multi-dimensional optimization variables, the block coordinate descent method is utilized to decompose the formulated problem into more tractable subproblems, which are then solved using a penalty-function-based approach and geometric programming technique. Simulation results demonstrate the performance advantages achieved by our proposed method compared to several benchmark approaches. Additionally, we explore the impact of various parameters on SC3systems, offering deeper insights and meaningful research observations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetRobotics and Automated SystemsTravaux en français237 207