MétaCan
Menu
Retour à la cohorte
Enregistrement W2066493245 · doi:10.1109/tpds.2013.260

Expansion Properties of Topology for Networking of Information in Cloud

2013· article· en· W2066493245 sur OpenAlexafffund
Peyman TalebiFard, Victor C. M. Leung

Notice bibliographique

RevueIEEE Transactions on Parallel and Distributed Systems · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceCloud computingNetwork topologyDistributed computingLinear network codingComputer networkInternet topologyThe InternetInformation-centric networkingNetwork architectureReliability (semiconductor)World Wide Web

Résumé

récupéré en direct d'OpenAlex

Toward the progress in the era of globalization and ubiquity of sensors and devices, sharing and dissemination of information dominate todays networks. Content-centric networking, cloud services, and open connectivity form the main ingredients of the future Internet architecture. With the problem of information overload, the networking paradigm of cloud computing can benefit from transitioning to a network of information in which information is the main token of communication instead of physical address. Available methods may not be efficient in exploiting the semantics of information for content dissemination. Considering a content-centric approach, we intend to tackle this problem by using the expander graphs for an enhanced network coding scheme that takes an opportunistic strategy to utilize the spectral characteristics of the network topology to achieve a better solvability and reliability and lowering the processing cost for the entire system. By simulation and analytical evaluation, we compare our proposed method with an epidemic network coding based approach. Our evaluation examines the performance of our clustering method in the presence of different random topology models as well as examining the impact on the network coding technique.

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)0,008
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,246
Écart entre enseignants0,209 · 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

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Parallel and Distributed SystemsMême sujetCooperative Communication and Network CodingTravaux en français237 207