Simulación y evaluación de los modelos de pérdidas de propagación de gran escala en entornos urbano-densos para la red de comunicaciones móviles de quinta generación (5G) para las bandas de 28 y 73GHz
Bibliographic record
Abstract
Aborda el estudio y la evaluación de los modelos de pérdida de \npropagación para los sistemas de comunicación móvil de Quinta Generación (5G) que están \nsiendo desarrollados por los principales proyectos y grupos de investigación a nivel mundial \ncomo el 3rd Generation Partnership Project (3GPP), International Mobile \nTelecommunications 2020 (IMT-2020) y Mobile and Wireless Communications Enablers for \nTwenty –Twenty Information Society (METIS). Los canales de radio objeto de este estudio \ncorresponden a entornos urbano-densos en las bandas 28 GHz y 73 GHz para caracterizar la \npropagación a gran escala. En ese sentido, se ha considerado como escenario de simulación \nrealista 3D al centro comercial Gamarra, el cual se encuentra en el distrito de La Victoria en \nLima-Perú, por presentar tales características. \nCabe mencionar que los modelos de pérdida de propagación a gran escala en bandas \nmilimétricas proporcionan una caracterización más compleja para el tipo de servicios y retos \nque 5G promete soportar a diferencia de los modelos en bandas inferiores a 6GHz. \nLa investigación se desarrolla bajo un enfoque cuantitativo e incluye fenómenos asociados \nal canal de radio con línea de vista (LOS) y sin línea de vista (NLOS), donde las pérdidas de \npropagación son obtenidas usando los modelos de canal. Finalmente, los resultados son \nevaluados en las bandas de frecuencia mencionadas partiendo de un escenario real.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".