MétaCan
Menu
Retour à la cohorte
Enregistrement W1991017500 · doi:10.1049/iet-com.2014.0397

Cooperative clustering‐based medium access control for broadcasting in vehicular <i>ad‐hoc</i> networks

2014· article· en· W1991017500 sur OpenAlexfundno aff
Fan Yang, Yuliang Tang

Notice bibliographique

RevueIET Communications · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of WaterlooNational Natural Science Foundation of China
Mots-clésCluster analysisComputer scienceVehicular ad hoc networkBroadcasting (networking)Wireless ad hoc networkComputer networkAccess controlMobile ad hoc networkControl (management)TelecommunicationsWirelessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Owing to the advancement of wireless communication technologies, the vehicular ad‐hoc network (VANET) has experienced a rapid development in recent years. However, it is challenging to design a reliable and efficient medium access control (MAC) protocol for safety messages with strict quality of service demands, owing to unreliable wireless links and frequent changes of topology. On the other hand, cooperative communication can enhance the reliability of wireless links by exploiting the spatial diversity. The authors present here a cooperative clustering‐based MAC (CCB‐MAC) protocol for VANETs, in order to improve the transmission reliability of safety messages. In CCB‐MAC, the selected helpers relay the safety message to the nodes that have failed in reception during the broadcast period. In addition, cooperation is conducted in idle slots, without interrupting the normal transmission. Both mathematical analysis and numerical results demonstrate that CCB‐MAC increases the successful reception rate of safety messages significantly.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 recherche0,0010,001
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 Opus0,060
Tête enseignante GPT0,327
Écart entre enseignants0,267 · 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

Citations28
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207