MétaCan
Menu
Retour à la cohorte
Enregistrement W1988204215 · doi:10.1145/2185395.2185404

Factorization properties for a MAP-modulated fluid flow model under server vacation policies (abstract only)

2012· article· en· W1988204215 sur OpenAlexaff
Jung Woo Baek, Ho Woo Lee, Se Won Lee, Soohan Ahn

Notice bibliographique

RevueACM SIGMETRICS Performance Evaluation Review · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésFactorizationComputer scienceFlow (mathematics)Extension (predicate logic)ServerFluid dynamicsState (computer science)Type (biology)Fluid queueMarkov chainPoint (geometry)Property (philosophy)IdleMathematical optimizationQueueing theoryAlgorithmMathematicsComputer networkMechanicsOperating systemPhysicsGeometryGeologyProgramming language

Résumé

récupéré en direct d'OpenAlex

In this paper, we study a MAP-modulated fluid flow model under generalized server vacation policies and propose factorization properties that can be efficiently used to derive the fluid level distributions at an arbitrary time point. Our model is an extension of the conventional Markov modulated fluid flow (MMFF) model to control the servers idle state. We consider two types of fluid increases: vertical increase (Type-V) and linear increase (Type-L). We first describe the MAP-modulated fluid flow model under server vacation policies and prove the factorization principle for each type. Based on the factorization formulae, we derive recursive formulae for performance measures. Lastly, some application examples of the factorization property are presented.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0000,000
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 Opus0,126
Tête enseignante GPT0,330
Écart entre enseignants0,204 · 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'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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM SIGMETRICS Performance Evaluation ReviewMême sujetAdvanced Queuing Theory AnalysisTravaux en français237 207