Underwater Wireless Hybrid Sensor Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Underwater sensor networks (USNs) promise innovative and exciting applications, viz. oceanographic data collection, environment monitoring, exploration, and tactical surveillance. Underwater wireless sensor networks (UWSNs) though pose significant research challenges due to the harsh underwater environment. In UWSNs, acoustic is thought to be the only viable means of communication. Underwater wireless acoustic sensor networks (UW-ASNs) present a wireless channel with key challenges, specifically in shallow oceans such as long propagation delays, signal attenuation, man-made and ambient noise, low bandwidth and high transmission energy. We propose a new paradigm for UWSNs, namely underwater wireless hybrid sensor networks (UW-HSNs), which introduce the concept of hybrid communication. UW-HSNs combine the best of both worlds, i.e., the practicality of underwater acoustics and the high-performance of radio communication. The basic idea is to use radio communication for large and/or sustained traffic and traditional acoustic methods for small data volume. Furthermore, we introduce TurtleNet, an architecture based-on UW-HSNs concept, and we propose an asynchronous and distributed routing protocol for TurtleNet. Based on the nodepsilas state, the protocol decides which communication channel to utilize. TurtleNet is simulated using the ns-2 simulator. Simulation results reveal the promising performance for TurtleNet, and hence validate the UW-HSNs concept.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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