MétaCan
Menu
Retour à la cohorte
Enregistrement W1601761571 · doi:10.1109/glocom.2002.1188436

QoS support in the UMTS/GPRS backbone network using DiffServ

2004· article· en· W1601761571 sur OpenAlexaff
Farshid Agharebparast, Victor C. M. Leung

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer networkQuality of serviceComputer scienceUMTS frequency bandsRouterMobile QoSDifferentiated servicesGeneral Packet Radio ServiceDistributed computingService (business)Service providerTelecommunications

Résumé

récupéré en direct d'OpenAlex

The Universal Mobile Telecommunications System (UMTS) has a number of service classes that require end-to-end QoS support. This requirement imposes on the design of the UMTS backbone bearer service as a part of the UMTS hierarchical QoS architecture. This paper presents a methodology for provisioning QoS in the UMS backbone network based on the Differentiated Services (DiffServ) model, a relatively simple but scalable IP-based QoS technology. This requires proper choices of QoS mapping, router configurations, and admission control. In this paper, the framework for setting a DiffServ-based backbone router as well as the requisite mapping functions for QoS interworking are addressed specifically for UMTS services. Efficient algorithms are introduced for the router model, particularly for the scheduling and buffer management components, to enhance QoS provisioning in UMTS. The effectiveness of this approach is illustrated by computer simulations.

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 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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations13
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Traffic and Congestion ControlTravaux en français237 207