MétaCan
Menu
Retour à la cohorte
Enregistrement W1898683952 · doi:10.1109/icc.2002.997385

A predictive demand assignment multiple access protocol for broadband satellite networks supporting Internet applications

2003· article· en· W1898683952 sur OpenAlexaff
Zhifeng Jiang, Yuheng Li, Victor C. M. Leung

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkBroadbandInternet trafficThe InternetInternet layerResource Reservation ProtocolBroadband networksCommunications satelliteInternet accessNetwork packetInternet ProtocolBandwidth (computing)Protocol (science)Internet traffic engineeringSatelliteTelecommunicationsNetwork traffic controlEngineering

Résumé

récupéré en direct d'OpenAlex

To enhance the performance of broadband satellite networks, the application characteristics should be considered in the design of the medium access control (MAC) protocol. With the rapid expansion of Internet applications and the attractiveness of high speed Internet access via broadband satellite networks, it is important to take into account the self-similar nature of Internet traffic in MAC protocol designs. This paper presents a novel PRedictive Demand Assignment Multiple Access (PRDAMA) protocol for packet communications over broadband satellite networks. PRDAMA allocates bandwidth resources by estimating the positive varying trend of the Internet traffic to facilitate prediction of the resource requirements of the Earth stations. Simulation results demonstrate that PRDAMA achieves a lower delay compared with other DAMA protocols due to its accurate traffic prediction. The influence of different traffic models on the protocol performance is also investigated.

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)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,059
Tête enseignante GPT0,379
Écart entre enseignants0,320 · 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
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

Citations15
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Networks ResearchTravaux en français237 207