Notice bibliographique
Résumé
VC merging allows VC to be mapped onto the same VC label. It provides a scalable solution for network growth. It enables features such as stream merging in MPLS and RSVP wildcard filter to be efficiently supported over ATM. It also plays an important role in providing multipoint-to-multipoint multicast and share-tree multicasting paradigm. VC merging involves distinguishing cells from an identical merged VC label. Various approaches have been proposed to help this identification process. However, most of them incur additional buffering, protocol overhead and/or variable delay. They make the provision of QoS difficult to achieve. In this paper, we propose a novel merge-capable scheduler to support VC merging. The proposed scheduler consists of a core scheduler and a number of sub-queue sequencers forming a 2-level hierarchical structure. Using the proposed merge-capable scheduler, we can uniquely identify incoming cells while: (1) allowing cell cut-through forwarding and interleaving; (2) maintaining per-flow QoS; and (3) requiring no additional buffer and protocol overhead. We show analytically that the scheduler can guarantee a worst-case fairness and deliver a worst-case delay bound. We further analyze the scheduler performance in term of the service received by a queue and the average queuing delay experienced by a cell. The results indicate that the amount of services is fairly distributed among merging and non-merging flows according to their reservations. Moreover, the proposed merge-capable scheduler performs equally as well as its non-merging counterpart when reservations are highly utilized, even though it may introduce a minimal additional delay when utilization is low.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».