MétaCan
Menu
Retour à la cohorte
Enregistrement W2071462142 · doi:10.1109/vetecs.2012.6240024

Quadratic Estimation of Success Probability of Greedy Geographic Forwarding in Unmanned Aeronautical Ad-Hoc Networks

2012· article· en· W2071462142 sur OpenAlexaff
Rostam Shirani, Marc St‐Hilaire, Thomas Kunz, Yifeng Zhou, Jun Li, Louise Lamont

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensCommunications Research Centre CanadaCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWireless ad hoc networkComputer networkGeographic routingRouting (electronic design automation)Overhead (engineering)Virtual routing and forwardingRouting protocolGreedy algorithmDistributed computingOptimized Link State Routing ProtocolSet (abstract data type)Routing tableWireless Routing ProtocolTelecommunicationsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Due to the availability of location information in unmanned aerial vehicles (UAVs), we propose to use geographic routing mechanisms as a core forwarding protocol in unmanned aeronautical ad-hoc networks (UAANETs) for the purpose of reducing routing overhead. As a result, this paper investigates the performance of the core forwarding mechanism i.e. the greedy geographic part. Since the forwarding mechanism for dynamic UAANETs with many statistical inter-dependencies is complex, a closed-form model does not exist. Therefore, a quadratic polynomial estimation is proposed for computing the success probability of greedy geographic forwarding based on the results of a set of realistic Monte Carlo simulations. This mathematical model can later be used to predict and evaluate the performance of other greedy-based geographic routing protocols for UAV 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 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: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,307

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 Opus0,009
Tête enseignante GPT0,224
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 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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUAV Applications and OptimizationTravaux en français237 207