Sensor allocation to multiple applications in shared wireless sensor networks
Notice bibliographique
Résumé
A sensor grid is an integration of two technologies: wireless sensor networks and the grid. The sensors deployed in a WSN monitor a phenomenon of interest. The information gained from the WSN is processed in the grid and is used by the users of applications. Multipurpose WSNs have become very popular where the deployed WSNs support more than one application. The research in this extended abstract focuses on WSNs supporting multiple applications. In this work, we focus on allocation, which is a process of determining the sensor nodes that will be selected for executing the requests corresponding to an application. Scheduling, which determines the order in which the application requests submitted to the WSN are executed is performed to improve the mean response time to the users of the applications. Our previous works propose various scheduling algorithms for WSNs hosting multiple applications. In this research, various static and dynamic allocation algorithms are proposed with an attempt to balance the energy consumption amongst the sensor nodes and hence improve the network lifetime of the WSN. Network lifetime is the time when the energy of any sensor node in the WSN falls below a predefined threshold. The proposed algorithms use varying degree of information about the energy consumption at the major energy consuming components of the sensor nodes: the CPU component and the radio component. Simulation experiments are performed to evaluate the performance of the proposed algorithms. This extended abstract presents the preliminary results obtained from the experimentation done so far. The simulation experiments demonstrate that by performing dynamic allocation and by using information about the total energy consumption at the sensor nodes, the lifetime of the WSN can be significantly improved.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».