MétaCan
Menu
Retour à la cohorte
Enregistrement W1984251333 · doi:10.1117/12.904746

Reducing the energy consumption of the reliable design of IP/WDM networks with quality of protection

2011· article· en· W1984251333 sur OpenAlexaff
Burak Kantarcı, Hussein T. Mouftah

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBackupEnergy consumptionComputer networkBandwidth (computing)Wavelength-division multiplexingComputer scienceEfficient energy useEngineeringElectrical engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Energy consumption of the telecommunication networks contributes to a large portion of the greenhouse gas (GHG) emissions due to the global electricity consumption. Furthermore, backbone networks dominate the energy consumption of the telecommunication networks by high peak data rates. In this paper, we enhance our previously proposed energy-efficient availability design scheme for IP over WDM (IP/WDM) networks, i.e., Power-Aware Reliable Design (PARD).1 Here, PARD-QoP is proposed which incorporates Quality of Protection (QoP) with power-aware reliable IP/WDM Network design. According to the QoP concept, each connection demand specifies a working bandwidth capacity requirement and a minimum backup capacity requirement. We evaluate the performance of PARD-QoP under the 14-node NSFNET topology for six QoP classes that are uniformly distributed among the connection requests and for various demand sizes. The simulation results show that PARD-QoP enhances its predecessor PARD by 7%-12% in terms of Capital Expenditure (CAPEX), denoting the number of wavelength channels, and by 4%-8% in terms of Operational Expenditure (OPEX), denoting the energy consumption. Moreover, PARD-QoP is shown to differentiate the demands in three availability classes as 99.9%, 99.99% and 99.999% with respect to the backup bandwidth requirements.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,379
Score d'incertitude au seuil0,726

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,223
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdvanced Optical Network TechnologiesTravaux en français237 207