MétaCan
Menu
Retour à la cohorte
Enregistrement W1965380876 · doi:10.1109/joe.2013.2239812

Robust Spatial Reuse Scheduling in Underwater Acoustic Communication Networks

2013· article· en· W1965380876 sur OpenAlexaff
Roee Diamant, Ghasem Naddafzadeh Shirazi, Lutz Lampe

Notice bibliographique

RevueIEEE Journal of Oceanic Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNetwork topologyComputer scienceReuseRobustness (evolution)Distributed computingComputer networkScheduling (production processes)Underwater acoustic communicationUnderwaterPropagation delayNetwork packetTopology (electrical circuits)Engineering

Résumé

récupéré en direct d'OpenAlex

Resource assignment in underwater acoustic communication (UWAC) networks has recently drawn much attention in the research community. Although in most applications the number of nodes in the UWAC network is relatively small, the long propagation delay of acoustic signals underwater motivates the application of spatial reuse in channel access protocols for throughput enhancement. In this paper, we address the problem of spatial-reuse scheduling in UWAC networks that support frequent transmission of broadcast packets and require robustness to inaccurate topology information. Taking the possibility of outdated network topology information into account is of great importance for UWAC applications due to time-varying topologies in the underwater environment. Our main contribution is the derivation of a broadcast scheduling algorithm that combines topology-transparent and topology-dependent spatial-reuse scheduling methodologies to achieve high throughput in static and dynamic topology scenarios. Simulation results demonstrate that our protocol provides a favorable tradeoff between network throughput and robustness to outdated topology information due to topology changes, and that it also achieves fairness in terms of per-node throughput.

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)0,004
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,017
Tête enseignante GPT0,195
Écart entre enseignants0,178 · 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

Citations49
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Oceanic EngineeringMême sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207