Learning-Assisted Optimization for Energy-Efficient Scheduling in Deadline-Aware NOMA Systems

LEI, Lei; You, Lei; He, Qing; VU, Thang Xuan; CHATZINOTAS, Symeon; Yuan, Di; OTTERSTEN, Björn

doi:10.1109/TGCN.2019.2902838

Télécharger

Article (Périodiques scientifiques)

Learning-Assisted Optimization for Energy-Efficient Scheduling in Deadline-Aware NOMA Systems

LEI, Lei; You, Lei; He, Qing et al.

2019 • In IEEE Transactions on Green Communications and Networking

Peer reviewed vérifié par ORBi

Permalien
https://hdl.handle.net/10993/41126

DOI
10.1109/TGCN.2019.2902838

Documents (1)Envoyer vers Détails Statistiques Bibliographie Publications similaires

Documents

Texte intégral

Learning-Assisted Optimization for Energy-Efficient Scheduling in Deadline-Aware NOMA Systems.pdf

Postprint Auteur (2.37 MB)

Télécharger

Tous les documents dans ORBilu sont protégés par une licence d'utilisation.

Envoyer vers

RIS BibTex APA Chicago Permalink X Linkedin

Détails

Disciplines :

Sciences informatiques

Auteur, co-auteur :

LEI, Lei ; University of Luxembourg > Interdisciplinary Centre for Security, Reliability and Trust (SNT)

You, Lei; Uppsala University

He, Qing; KTH Royal Institute of Technology

VU, Thang Xuan ; University of Luxembourg > Interdisciplinary Centre for Security, Reliability and Trust (SNT)

CHATZINOTAS, Symeon ; University of Luxembourg > Interdisciplinary Centre for Security, Reliability and Trust (SNT)

Yuan, Di; Uppsala University

OTTERSTEN, Björn ; University of Luxembourg > Interdisciplinary Centre for Security, Reliability and Trust (SNT)

Co-auteurs externes :

yes

Langue du document :

Anglais

Titre :

Learning-Assisted Optimization for Energy-Efficient Scheduling in Deadline-Aware NOMA Systems

Date de publication/diffusion :

septembre 2019

Titre du périodique :

IEEE Transactions on Green Communications and Networking

eISSN :

2473-2400

Maison d'édition :

Institute of Electrical and Electronics Engineers (IEEE)

Peer reviewed :

Peer reviewed vérifié par ORBi

Focus Area :

Computational Sciences

Projet européen :

H2020 - 742648 - AGNOSTIC - Actively Enhanced Cognition based Framework for Design of Complex Systems

Projet FnR :

FNR11632107 - Resource Optimization For Integrated Satellite-5g Networks With Non-orthogonal Multiple Access, 2017 (01/09/2018-31/08/2021) - Lei Lei

Organisme subsidiant :

CE - Commission Européenne
European Union

Disponible sur ORBilu :

depuis le 03 décembre 2019

Statistiques

Nombre de vues

170 (dont 11 Unilu)

Nombre de téléchargements

393 (dont 14 Unilu)

Voir plus de statistiques

citations Scopus^®

citations Scopus^®
sans auto-citations

citations OpenAlex

citations WoS^™