Time-efficient algorithms for the outdegree limited bluetooth scatternet formation problem
Notice bibliographique
Résumé
We present in this paper three Bluetooth Scatternet Formation (BSF) algorithms which forms deterministically connected and outdegree limited scatternets. Our algorithms improve the execution time of algorithm BlueMIS, which consists of two consecutive phases called BlueMIS I and BlueMIS II. The first phase, BlueMIS I, is a BSF algorithm that forms connected and outdegree limited scatternets in a time-efficient manner. Our algorithms improve BlueMIS by improving BlueMIS I. First, we introduce a time-efficient implementation of communication rounds, called OrderedExchange, that is more suitable for Bluetooth networks, where in a communication round each node sends and receives a message to and from all its neighbors. Using OrderedExchange, we introduce algorithms ComputeMIS I and ComputeMIS II which form the same scatternet as those formed by BlueMIS I but with less execution time. We also introduce algorithm Eliminate. Instead of letting each node u forms a maximal independent set of all its neighbors and then considers them as slaves, as in the case of BlueMIS I, Eliminate let each node u forms a maximal independent set of all its neighbors that have smaller identifiers. Eliminate forms scatternets that are similiar to those formed by BlueMIS I, and more efficient with respect to some performance metrics. Eliminate improves the execution time of ComputeMIS I and ComputeMIS II by about 60%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».