MétaCan
Menu
Retour à la cohorte
Enregistrement W1663404135 · doi:10.1109/iccct2.2015.7292775

Dynamic and integrated approach for proxy-Mobile-IPv6 (PMIPv6) based IP Flow Mobility and offloading

2015· article· en· W1663404135 sur OpenAlexaff
Madhavan Kalyanaraman, Swaminathan Seetharaman, S. Srikanth

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIPv6, Mobility, Handover, Networks, Security
Établissements canadiensBC Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésProxy Mobile IPv6Computer scienceComputer networkDistributed computingMobility modelCellular networkCellular trafficWireless networkStandardizationWirelessMobile computingMobile IPTelecommunications

Résumé

récupéré en direct d'OpenAlex

Data traffic in Mobile networks is increasing exponentially since last few years and is projected to increase multifold before the end of this decade. Evolution in heterogeneous wireless networks and network based mobility protocols has enabled the usage of simultaneous traffic flows on all available wireless accesses. Standardization of IP Flow Mobility (IFOM) from 3GPP Release 10 provides possibility to seamlessly transfer individual flows from one access to another. Optimization of cellular resources, using a low-cost interface, traffic load balancing etc. are some of the factors due to which flow transfer can happen. However, an integrated mechanism to identify whether a traffic flow has to be moved to a different interface considering user preferences, network conditions, mobility, policy aspects, network protocols supported and terminal capabilities is not available. This paper proposes an dynamic and integrated mechanism that assesses the interface used for each traffic flow and determines the need for flow transfer to offer the best Quality of Experience for the user while using cellular network resources in an optimal manner. We propose the architecture showing the various components and their interactions to realize our proposed mechanism of flow transfer/offload based on the above-mentioned criteria. A simulation framework that is being used to validate our approach and demonstrate its benefits/improvements under various practical scenarios is also presented.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIPv6, Mobility, Handover, Networks, SecurityTravaux en français237 207