MétaCan
Menu
Retour à la cohorte
Enregistrement W2021669325 · doi:10.1145/1089761.1089769

MAC coding for QoS guarantees in multi-hop mobile wireless networks

2005· article· en· W2021669325 sur OpenAlexaff
Carlos H. Rentel, Thomas Kunz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAlohaComputer networkLinear network codingWireless networkRepetition codeCoding (social sciences)Scheduling (production processes)Quality of serviceFountain codeWirelessLinear codeTheoretical computer scienceThroughputBlock codeDistributed computingAlgorithmNetwork packetDecoding methodsMathematicsTelecommunicationsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

The coding theory goal of finding codes with the largest possible distance among its constituent code-words in an ever smaller dimensional space is analogous to the goal of finding separate yet efficient ways for the nodes of a network to transmit in a multiple access system. A Medium Access Control (MAC) strategy is proposed referred to as MAC coding that leverages the use of codes traditionally used for channel coding purposes. It is shown how these codes can be utilized to device a scheduling strategy that has the potential to guarantee a minimum level of performance for the nodes of a multi-hop mobile wireless ad hoc network in an efficient manner. Additionally, coding theory results are used to derive simple expressions for the minimum throughput and delay of nodes when using Reed-Solomon and Hermitian error correcting codes as MAC scheduling codes.The average performance of a large family of MAC scheduling codes is analytically compared to the one obtained by slotted-ALOHA, and a code-selection algorithm is proposed that can improve the average throughput of MAC coding when the number of nodes in the network is greater than the number of code-words available in a given code.

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 enseignants0,949
Score d'incertitude au seuil0,448

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 ouverte0,0010,000
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 Opus0,050
Tête enseignante GPT0,315
Écart entre enseignants0,265 · 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

Citations11
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network CodingTravaux en français237 207