MétaCan
Menu
Retour à la cohorte
Enregistrement W2039430710 · doi:10.1109/icton.2010.5549067

On SLA constraints in dynamic bandwidth allocation for long-reach passive optical networks

2010· article· en· W2039430710 sur OpenAlexaff
Burak Kantarcı, Hussein T. Mouftah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Photonic Communication Systems
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésQuality of serviceNetwork packetComputer scienceBandwidth (computing)Computer networkPacket lossUpper and lower boundsPropagation delayBandwidth allocationProcessing delayReal-time computingTransmission delayMathematics

Résumé

récupéré en direct d'OpenAlex

Long-Reach Passive Optical Network (LRPON) technology seems to be a strong candidate for next generation optical access networks. LRPON aims to combine the advantages of optical metro and access networks before the backbone by offering long feeder distance and high split ratio. On the other hand, long feeder distance causes long propagation delay while together with high split ratio they lead to longer packet delay. In order to decrease packet delay, we have recently proposed a QoS-aware bandwidth allocation scheme which is called as Periodic Gate Optimization with QoS-awareness (PGO-QoS). This scheme is based on multi-threaded MPCP that has been previously proposed in the literature. In this paper, we briefly present PGO-QoS and discuss the impacts of buffer size on its performance under a feeder distance of 100 km. We show that PGO-QoS leads to shorter average delay than multi-threaded MPCP while slightly decreasing the packet loss ratio. As expected, larger buffer size increases the packet delay, especially under heavy loads. However, changing the buffer size does not affect the relative performance of PGO-QoS to the multi-threaded MPCP. Furthermore, we evaluate the effects of pre-specified delay bounds on the performance of PGO-QoS where each ONU runs an estimation to determine whether an incoming packet can reach the OLT within its delay bound.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,435

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 ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,253
Écart entre enseignants0,246 · 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
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

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Photonic Communication SystemsTravaux en français237 207