MétaCan
Menu
Retour à la cohorte
Enregistrement W1792738620 · doi:10.1109/pacrim.1999.799573

End-system architecture for distributed networked multimedia applications: issues, trends and future directions

2003· article· en· W1792738620 sur OpenAlexaff
Ashraf Hossain, Kuiyan Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInterconnection Networks and Systems
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMultimediaInterfacingQuality of serviceComputer architectureComputer networkEmbedded systemComputer hardware

Résumé

récupéré en direct d'OpenAlex

The emerging broadband computer networks (wired and wireless) are likely to have numerous multimedia applications, such as videoconferencing, interactive games, and collaborative computing standard features in desktop PCs and portables. In recent years there have been significant developments in the field of multimedia coding algorithms and their VLSI implementations along with the development of high speed networking technology (e.g., ATM, FDDI, fast Ethernet). But the end-system architecture (software and hardware) as a whole is lagging behind these advancements. Optimized hardware and software architectures are needed for end systems that will guarantee predictable performance of real-time multimedia applications according to user provided QoS. In this paper, we identify the major end-system hardware and software requirements for networked multimedia applications. Focusing mainly on hardware and operating system levels, we advocate an integrated end-system architecture rather than some ad-hoc solutions for real-time multimedia computing, in addition to general purpose computing in a distributed environment. A core-based system architecture is proposed. We observe that interfacing with high speed networks, inter-device level data transfer, power efficiency and in addition, system resource utilization are some of the issues that need serious consideration in an end-system architecture.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,546

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 ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,231 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInterconnection Networks and SystemsTravaux en français237 207