Notice bibliographique
Résumé
With the explosive growth of wireless data transmission, wireless content sharing is facing significant challenges such as a surge in data transmission scale, resource shortages, and a volatile communication environment. Consequently, dynamic caching technology based on D2D communication has emerged. Cache network is a distributed network architecture where network nodes (such as user devices or base stations) have caching capabilities and can store part of the content to reduce content transmission delay and network traffic. In cache networks, considering the short distance characteristics of direct device communication and the self offloading advantage of user caching, a cache mechanism is proposed. The paper analyzes the file offload capability and packet loss rate of the cache network. First, this paper analyzes network interference. Considering the randomness of content caching and requests, it derives a closed-form expression of the successful transmission probability based on random geometric theory. Secondly, considering the randomness of content requests and the limited cache capacity, a user cache queue model is established to analyze the transmission process of request files, and an M/G/1 queuing service model is established. The files requested by users can be obtained through two offloading methods: self offloading and device direct connection (D2D) communication offloading. The queue state of the files is constructed as a Markov chain, and the file queue state under different transmission modes is analyzed. Key performance parameter expressions such as successful offloading probability are obtained. Simulation shows that in networks with D2D assisted caching, in the actual situation of limited cache space, the higher the popularity index, the easier it is for the requested content to be satisfied by its own cache, the smaller the cache queue length, and the lower the packet loss rate. Auxiliary caching strategies can leverage the advantages of their own caching and D2D communication, effectively reducing the mean delay for users to obtain request files.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».