MétaCan
Menu
Retour à la cohorte
Enregistrement W1551492997 · doi:10.1109/iccnc.2015.7069497

Creating logical zones for hierarchical traffic engineering optimization in SDN-empowered 5G

2015· article· en· W1551492997 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2015 International Conference on Computing, Networking and Communications (ICNC) · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceContext (archaeology)HeuristicTraffic engineeringZoningSoftware-defined networkingDistributed computingController (irrigation)SoftwareMathematical optimizationTopology (electrical circuits)Computer networkEngineeringMathematicsGeographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Software defined networking (SDN) decouples control plane functionality from the data plane and performs traffic engineering (TE) through a central SDN controller. Centralized TE is impractical when the network becomes too large in size or in loading. Zone-based hierarchical TE comes into play under this circumstance, where the TE problem is decomposed into sub problems related to zones and tackled collectively by local zone controllers. As an integral part of this TE approach, zoning was studied in a very limited context. Existing solutions generate geographic zones and suit only arc-model TE optimization. In this paper, we advance the state of the art by proposing logical zones to support path-model TE optimization. Logical zones are created by coupling traffic flows to zone controllers. We mathematically formulate the zoning problem in different cases, where the number of available controllers is equal to, or larger than that of zones required. These problems are NP hard. We develop novel heuristic solutions and present comparative simulation study.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,939

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,092
Tête enseignante GPT0,320
Écart entre enseignants0,228 · 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