MétaCan
Menu
Retour à la cohorte
Enregistrement W4413556030 · doi:10.1109/jiot.2025.3602665

Performance Analysis of Joint Information-Energy Coverage Probability in UAV Networks With Hybrid Energy Harvesting

2025· article· en· W4413556030 sur OpenAlexaff
Shichao Li, Ruiye Bi, Hongbin Chen, Katsuya Suto, Ning Zhang

Notice bibliographique

RevueIEEE Internet of Things Journal · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Windsor
Organismes subventionnairesGuangxi Key Laboratory of Wireless Wideband Communication and Signal Processing, Guilin University of Electronic TechnologyNational Natural Science Foundation of ChinaNatural Science Foundation of Guangxi Zhuang Autonomous Region
Mots-clésComputer scienceJoint (building)Energy harvestingEnergy (signal processing)Computer networkTelecommunicationsStatistics

Résumé

récupéré en direct d'OpenAlex

The deployment of Internet of remote things (IoRT) devices in remote areas with insufficient communication infrastructure can employ the unmanned aerial vehicles (UAVs) for data collection. The previous works only considered the IoRT devices information coverage probability, but ignored the IoRT devices energy coverage probability in the UAV networks. This letter analyzes the joint information-energy coverage probability performance in UAV networks with hybrid energy harvesting (EH). Firstly, the closed-form expressions of the information coverage probability and the energy coverage probability are derived by utilizing the Laplace transform and the Campbell theorem, respectively. On this basis, the closed-form expression of the joint information-energy coverage probability is derived by the law of large numbers (LLN). Finally, the numerical results confirm the validity of the joint information-energy coverage probability performance.

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 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 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: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil0,899

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,182
Écart entre enseignants0,176 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207