MétaCan
Menu
Retour à la cohorte
Enregistrement W1973422724 · doi:10.1109/glocom.2008.ecp.1009

Connection-Based Scheduling for Supporting Real-Time Traffic in Wireless Mesh Networks

2008· article· en· W1973422724 sur OpenAlexaff
Jun Zou, Dongmei Zhao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkNetwork packetScheduling (production processes)Wireless mesh networkLatency (audio)Distributed computingFair-share schedulingReal-time computingWireless networkWirelessMathematical optimizationQuality of serviceMathematics

Résumé

récupéré en direct d'OpenAlex

This paper studies real-time traffic scheduling in wireless mesh networks (WMNs). Optimum packet transmission scheduling providing strict latency guarantee for realtime traffic while efficiently utilizing the network resources in a WMN is difficult, and one of the main challenges is to coordinate temporal operations of the mesh access points (APs). In this paper a connection-based scheduling scheme is proposed. Scheduling decisions for connections with a larger number of hops are made first, and that for connections with a fewer number of hops are done by using the remaining resources. When scheduling packet transmissions for each connection, the transmitting time of the AP with the highest traffic load along the route of the connection is determined first. At each hop, the transmitting time of a packet is determined to minimize the latency to the upstream hop or from the downstream hop while keeping the total amount of required AP resources small. A connection-based optimization problem is formulated and solved with an objective to minimize the total amount of required AP resources, subject to the latency requirement of the connection. Numerical results show that the proposed scheduling scheme achieves close-to-optimum performance at both the connection and packet levels.

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)0,005
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,217 · 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207