MétaCan
Menu
Retour à la cohorte
Enregistrement W2030486781 · doi:10.1109/wcnc.2013.6554569

Routing and link scheduling with QoS in IEEE 802.16 mesh networks

2013· article· en· W2030486781 sur OpenAlexaff
Stephen Atambire Nsoh, Robert Benkoczi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkDynamic Source RoutingWireless mesh networkDistributed computingStatic routingLink-state routing protocolSource routingQuality of serviceMetricsPolicy-based routingRouting protocolRouting (electronic design automation)Wireless networkWireless

Résumé

récupéré en direct d'OpenAlex

Quality of service (QoS) in wireless mesh networks is an active area of research which is driven by the increasing demand for multimedia content delivered wirelessly. The IEEE 802.16 (WiMAX) standard identifies four classes of service targeting throughput, delay, and jitter. In this paper, we achieve two main objectives. (1) We present a routing metric sensitive to both interference and throughput which proves effective in QoS provisioning, a link scheduling algorithm that can easily accommodate all four classes of service by using the concept of feasible intervals, and an effective channel allocation algorithm inspired by a constraint programming heuristic. (2) We prove that the usual approach of constructing routing trees centred at the base station could lock significant network resources. By simply switching to a session based routing strategy, we illustrate that the acceptance ratio under a congested network can improve by more than 10% when compared to the tree based routing driven by our interference and throughput aware metric and by more than 25% when the routing tree is constructed with the metric sensitive to interference only.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,181
Écart entre enseignants0,176 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207