MétaCan
Menu
Retour à la cohorte
Enregistrement W1984724866 · doi:10.1080/00207160.2013.867021

Analysis of queueing-time distributions for MAP/D<sub><i>N</i></sub>/1 queue

2014· article· en· W1984724866 sur OpenAlexafffund
Gagandeep Singh, Umesh Gupta, M. L. Chaudhry

Notice bibliographique

RevueInternational Journal of Computer Mathematics · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésQueueing theoryComputer scienceMarkovian arrival processQueueTransmission (telecommunications)Probability-generating functionLayered queueing networkMean value analysisBulk queueMarkov processReal-time computingVariable (mathematics)AlgorithmMathematicsApplied mathematicsRandom variableComputer networkStatisticsTelecommunicationsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

With the advent of highly integrated transmission networks, the transmission of data, such as audio, video, video streaming are transmitted over a common medium in smaller file sizes. These files have variable transmission time requirement which is of deterministic in nature. Further, the traffic generated from various sources is bursty and correlated. This particular scenario can be best modelled as a single-server queueing system with arrivals following a Markovian arrival process and service-time deterministic distribution taking one of the N possible values. For this model, we present a closed-form (in terms of roots) analysis for evaluating queueing/system-time distributions using an inversion method which is based on the roots of associated characteristic equation. Several numerical examples are presented with complete discussion.

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)0,006
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 enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0030,000

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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,234 · 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

Citations22
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computer MathematicsMême sujetAdvanced Queuing Theory AnalysisTravaux en français237 207