MétaCan
Menu
Retour à la cohorte
Enregistrement W2000297053 · doi:10.1109/noms.2006.1687666

A Bandwidth Bargain Model based on Adaptive Weighted Fair Queueing

2006· article· en· W2000297053 sur OpenAlexaff
D. Fayek, T. Sivananthan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWeighted fair queueingComputer scienceComputer networkBandwidth (computing)Queueing theoryQuality of serviceBandwidth allocationDynamic bandwidth allocationNetwork packetProportionally fairFair queuingDistributed computingDynamic priority schedulingRound-robin scheduling

Résumé

récupéré en direct d'OpenAlex

Efficient usage of network bandwidth is a key factor of providing quality of service guarantees in the Internet. In this paper, a bandwidth bargain model is developed which aims to dynamically allocate network bandwidth based on the varying demand of packet flows. To achieve the design goal, an adaptive weighted fair queueing (AWFQ) algorithm is presented which is more flexible than the generic weighted fair queueing (WFQ). By using the estimation of flow arrival rate and weight adjustment approach, AWFQ has the ability to guarantee bandwidth requirements of active service within a pre-defined range, without compromising the guarantee to assured service. Furthermore, AWFQ can provide a specified minimum bandwidth to best-effort service, which cannot be offered by WFQ, when the amount of competing traffic exceeds the link capacity. The simulation results, which are obtained from different network topologies with various packet generating processes, verify that AWFQ is feasible and performs better than WFQ in the context of dynamic bandwidth allocation

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,190
Écart entre enseignants0,183 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Traffic and Congestion ControlTravaux en français237 207