MétaCan
Menu
Retour à la cohorte
Enregistrement W1479902992 · doi:10.1109/wimob.2005.1512866

Adaptive approach for QoS support in IEEE 802.11e wireless LAN

2006· article· en· W1479902992 sur OpenAlexaff
Joe Naoum‐Sawaya, Bissan Ghaddar, S. Khawam, H. Safa, Hassan Artail, Zaher Dawy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Networks and Protocols
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkIEEE 802Quality of serviceIEEE 802.11e-2005Wireless Multimedia ExtensionsService setInter-Access Point ProtocolThroughputWireless networkIEEE 802.11Window (computing)Bandwidth (computing)Local area networkWi-FiWirelessWi-Fi arrayTelecommunications

Résumé

récupéré en direct d'OpenAlex

the IEEE 802.11e standard has been introduced recently for providing quality of service (QoS) capabilities in the emerging wireless local area networks. This standard introduces a contention window based enhanced distributed channel access (EDCA) technique that provides a prioritized traffic to guarantee the minimum bandwidth needed for time critical applications. However, the EDCA technique resets statically the contention window of the mobile station after each successful transmission. This static behavior does not adapt to the network state hence reduces the network usage and results in bad performance and poor link utilization whenever the demand for link utilization increases. This paper proposes a new adaptive differentiation technique for IEEE 802.11e wireless local area networks that takes into account the network state before resetting the contention window. The performance of the proposed technique is evaluated compared to the original differentiation techniques of the IEEE 802.11a and IEEE 802.11e standards. Preliminary results show that the proposed adaptive technique enhances the channel utilization and increases throughput.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
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
Métarecherche0,0010,002
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 ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,024
Tête enseignante GPT0,251
Écart entre enseignants0,227 · 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

Citations41
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Networks and ProtocolsTravaux en français237 207