MétaCan
Menu
Retour à la cohorte
Enregistrement W2033722220 · doi:10.1016/j.procs.2013.06.006

The Evolution of Information Networks around Data-shifting Paradigms

2013· article· en· W2033722220 sur OpenAlexaff
Hossam S. Hassanein

Notice bibliographique

RevueProcedia Computer Science · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpportunistic and Delay-Tolerant Networks
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBottleneckThe InternetParticipatory sensingProcess (computing)ArchitectureNetwork architectureDistributed computingKey (lock)Data scienceComputer networkComputer securityWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Our perception of the Internet is shifting by two main factors, an explosive growth of proactive mobile devices, and an overabundance of data that is growing beyond tractable operation. Thus, the increasing volume of data is in fact becoming less accessible in terms of coherence and synergy, contrary to what search engines would want us to believe! There was a time when IP address space was the major hindrance. Now, the bottleneck has shifted from connecting new devices to handling their data demands (both generated and requested) and cascading replications over the network. In this talk we overview the growing momentum for Information Centric Networking (ICN); a paradigm that envisions networks built around data, rather than the latter being a mere constituent of stale architectures. We highlight two major factors that drive ICN, namely, globalizing the utility of resources that serve the network architecture and cost-effective data harvesting and delivery. We first elaborate on our research in establishing networks on the fly. As networks grow, and the demand for data readiness becomes more stringent, the adoption of application-specific networks presents a major hindrance. At any given location, we need to find the resources that could collect data, process it, and delivers it to designated backhauls at the least cost. To the first end, we overview our work in real-time data collection over opportunistic and participatory sensing networks, overarching a major realization in VANets. We then present our work in optimizing data delivery in dense and infrastructure-less realizations of transient networks. We consider factors of placement, localization, time delivery constraints and cost of delivery over multi-proprietary networks.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,010
Communication savante0,0110,026
Science ouverte0,0020,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetOpportunistic and Delay-Tolerant NetworksTravaux en français237 207