MétaCan
Menu
Retour à la cohorte
Enregistrement W2040187817 · doi:10.1145/1582379.1582423

Performance analysis of BitTorrent enabled ad hoc network routing

2009· article· en· W2040187817 sur OpenAlexaff
Padmini Vellore, Paul Gillard, R. Venkatesan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceUnicastDynamic Source RoutingAd hoc On-Demand Distance Vector RoutingDistributed computingWireless Routing ProtocolOptimized Link State Routing ProtocolRouting protocolWireless ad hoc networkZone Routing ProtocolThroughputNetwork packetMulticastDestination-Sequenced Distance Vector routingWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

The analytical model of BitTorrent Enabled Ad hoc Network (BEAN) routing protocol (unicast extension of Multi-cast BEAN - MBEAN routing protocol) is discussed for a random network. The source node forms multiple routes to destination differentiating each route by it's neighbor and sends packets through the best route. When a link or route fails, the source node chooses one of the existing alternate routes. This paper compares the throughput obtained analytically with that obtained in simulation for both AODV (Ad hoc On Demand Distance Vector) and BEAN routing protocols. Further simulations are run for realistic cases and the two protocols are compared for packet delivery ratio (PDR) and system throughput. The results show that, in spite of expending more time and control packets in finding a new route, BEAN performs as good as and in many cases, better than AODV, for a network with high density, in terms of throughput and PDR, thereby making it a potential unicast routing protocol for multicast applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Ad Hoc NetworksTravaux en français237 207