MétaCan
Menu
Retour à la cohorte
Enregistrement W2013089234 · doi:10.1109/icc.2012.6364126

Opportunistic routing in tactical networks

2012· article· en· W2013089234 sur OpenAlexaff
David Kidston, Minghui Shi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpportunistic and Delay-Tolerant Networks
Établissements canadiensCommunications Research Centre Canada
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceNetwork packetOverhead (engineering)Distributed computing

Résumé

récupéré en direct d'OpenAlex

Providing network functionality for military VHF tactical networks has been problematic for many years. Existing schemes have struggled to provide multi-hop transmission of combined voice and data traffic in this dynamic and very low bandwidth environment. Research has shown that the overhead introduced by existing MANET routing techniques can swamp tactical networks of non-trivial size and topological complexity. In this paper we propose the use of a cross-layered approach combined with opportunistic routing to provide enhanced opportunistic routing (EOR) in mobile tactical networks. This technique makes per-packet forwarding decisions based only on preset domain knowledge, information from lower layers, and information from each individual packet. Because this technique does not build or maintain any network topology state it can operate with no network layer overhead. EOR has been simulated in Qualnet and compared to both AODV and OLSRv2 in large and small tactical networks. EOR was found to be superior to both AODV and OLSRv2 in terms of packet delivery, delay, and network overhead.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,032
Tête enseignante GPT0,259
Écart entre enseignants0,227 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOpportunistic and Delay-Tolerant NetworksTravaux en français237 207