MétaCan
Menu
Retour à la cohorte
Enregistrement W2000361393 · doi:10.1109/iccnc.2013.6504241

Multi-objective QoS routing for wireless sensor networks

2013· article· en· W2000361393 sur OpenAlexaff
Hind Alwan, Anjali Agarwal

Notice bibliographique

Revue2013 International Conference on Computing, Networking and Communications (ICNC) · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkQuality of serviceRouting protocolWireless sensor networkDistributed computingWireless Routing ProtocolReliability (semiconductor)Routing (electronic design automation)Geographic routingDynamic Source Routing

Résumé

récupéré en direct d'OpenAlex

Quality of service guarantees in wireless sensor networks is difficult and more challenging due to the fact that the available resources of sensors and the various applications running over these networks have different constraints in their nature and requirements. In this paper we present a novel heuristic neighbor selection mechanism in WSNs that uses the geographic routing mechanism combined with the QoS requirements to provide multi-objective QoS routing (MQoSR) for different application requirements. The problem of providing QoS routing is formulated as a link and path-based metrics. The link QoS metrics are partitioned in terms of reliability, delay, distance to sink and energy, and the path QoS metrics are presented in terms of end-to-end delay, reliability of data transmission and network lifetime. The simulation results demonstrate that MQoSR protocol is able to achieve the delay requirements and due to optimum path selection process, the achieved data delivery ratio is always above the required one. MQoSR protocol outperforms the existing model in the literature remarkably in terms of reliable data transmission, on time data delivery and underlines the importance of energy efficient solution to enhance network lifetime.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,056
Tête enseignante GPT0,295
Écart entre enseignants0,239 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2013 International Conference on Computing, Networking and Communications (ICNC)Même sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207