Topology-Related Metrics and Applications for the Design and Operation of Wireless Sensor Networks
Notice bibliographique
Résumé
The use of topological features, more specifically, the importance of an element related to its structural position, is a subject widely studied in the literature. For instance, the theory of complex networks provides centrality measures that have been applied to a large variety of fields (e.g., social sciences and biology). In this work, we propose a new topological measure, the Sink Betweenness (SBet), which stems from the theory of complex networks but is adapted to Wireless Sensor Networks (WSNs) to capture relevant information for this kind of network. We also provide a distributed algorithm to calculate it, and show its applicability to two different scenarios. The first one is focused on data fusion applications for event-driven WSNs, where we devise a tree-based data collection algorithm that takes advantage of node centrality to improve the data fusion efficiency. The second scenario is focused on energy balancing problems, more specifically in a problem called energy hole , where nodes closer to the sink are more likely to relay a larger number of packets than those that are further. This phenomenon is strongly related to the topology induced by the deployment of nodes along the sensor field, and it can be effectively captured by the SBet metric. Thus, we devise a data collection algorithm that is able to distribute the relay task more evenly. Simulation results show that the SBet metric can be satisfactorily used in both scenarios. We compare the proposed approach with some of the most efficient available data fusion algorithms, and show that the proposed algorithm generates consistently good-quality data collection infrastructures which require significantly smaller overhead. The use of SBet allows to alleviate the energy-hole effects by evenly balancing the relay load, and thus increasing the network lifetime. These two applications illustrate how the topology awareness can be used to improve different network functions in a WSN.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».