MétaCan
Menu
Retour à la cohorte
Enregistrement W1511242796 · doi:10.1109/ondm.2015.7127267

Dimensioning hybrid PONs

2015· article· en· W1511242796 sur OpenAlexaff
Brigitte Jaumard, Shibo Song

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Photonic Communication Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPassive optical networkDimensioningComputer scienceComputer networkOptical line terminationAccess networkMulticast10G-PONUnicastFiber to the xBroadbandBandwidth (computing)TelecommunicationsWavelength-division multiplexingEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

We investigate FTTX (Fiber-to-the Home/Premises/Curb) Passive Optical Networks (PON) for the deployment of broadband access networks such that the opportunities of optical fiber enabled technologies as well as of passive switching equipment can be exploited. We focus on designing the best possible architectures of hybrid FTTX PONs, which embraces both TDM and WDM technology. Advantages of hybrid PONs are twofold: they can (i) offer increased data rate to each user by employing WDM technology, (ii) provide flexible bandwidth utilization by employing TDM technology. We propose a novel network design optimization scheme for greenfield deployment of a set of hybrid PONs. For a given geographical location of an optical line terminal (OLT), a set of optical network units (ONUs) and their corresponding aggregated traffic demand, our proposed optimization scheme determines the design and dimensioning of the most economical set of hybrid PON networks while satisfying unicast/multicast traffic demands and taking into account the signal attenuation constraints. Computational experiments have been conducted on a set of up to 512 ONUs in order to evaluate the performance of the proposed scheme.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,240
Écart entre enseignants0,206 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Photonic Communication SystemsTravaux en français237 207