MétaCan
Menu
Retour à la cohorte
Enregistrement W187528409

Contamination and Decontamination in Majority-Based Systems

2009· article· en· W187528409 sur OpenAlexaff
Paola Flocchini

Notice bibliographique

RevueJournal of cellular automata · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed systems and fault tolerance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHuman decontaminationComputer scienceContaminationProcess (computing)VotingReliability (semiconductor)Node (physics)Variety (cybernetics)Field (mathematics)Computer securityDistributed computingWaste managementEngineeringArtificial intelligenceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The dynamics of majority voting has always been of interest in the area of discrete dynamical systems. In recent years, there has been a growing interest on this process also in the distributed computing field, due to its links to fault-tolerance, reliability, and virus disinfection. In fact, local voting mechanisms are often employed in distributed systems and networks as a decision tool for a variety of applications. In presence of faults, these schemes can trigger a dynamics of contamination: a non-faulty node will exhibit a faulty behavior if the majority of its neighbors is faulty. Some distributed and networked systems employ mechanisms to mend the faults; in these cases a decontamination dynamics is present and interacts with the contamination process. Depending on whether the decontamination is carried out by the majority-voting mechanism already in place or by the use of a team of mobile agents, the decontamination process is called internal or external, respectively. In this paper we focus on the contamination and decontamination processes in majority based systems and we survey the recent results in presence of both internal and external decontamination.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,221
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 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

Citations19
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of cellular automataMême sujetDistributed systems and fault toleranceTravaux en français237 207