MétaCan
Menu
Retour à la cohorte
Enregistrement W1996090276 · doi:10.1142/s0218194005002051

A NEW APPROACH IN DESIGNING INTERPROCESS COMMUNICATION FOR REAL-TIME SYSTEMS

2005· article· en· W1996090276 sur OpenAlexaff
Larry Hughes, Hosein Marzi, Yan-Ting Lin

Notice bibliographique

RevueInternational Journal of Software Engineering and Knowledge Engineering · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueReal-Time Systems Scheduling
Établissements canadiensSt. Francis Xavier UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésInter-process communicationComputer scienceProcess (computing)Distributed computingMessage passingSoftwareEvent (particle physics)Set (abstract data type)Embedded systemOperating systemReal-time computing

Résumé

récupéré en direct d'OpenAlex

In networked and distributed environments, and in multi-tasking systems, processes run simultaneously and compete to access the system resources. Processes commonly communicate with one another. Various techniques have been adapted in designing Interprocess Communication mechanisms within operating systems such as signals and message-passing. Signals are software interrupts notifying a process that an event has occurred; they do not support data exchange between processes. Message-Passing, a widely used technique in this design, it may use pipes to allow two or more processes to exchange data. Current techniques degrade performance of Real-time Systems, where unmet time critical missions may result in catastrophic failure. This research introduces a library-based architecture for Interprocess Communication Systems (IPC). This technique supports real-time performance and can be adapted for embedded operating systems. Improved Real-time performance was achieved by running IPC as a set of library function and verified by testing on real-time embedded system.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,006
Science ouverte0,0030,002
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 GPT0,244
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Software Engineering and Knowledge EngineeringMême sujetReal-Time Systems SchedulingTravaux en français237 207