MétaCan
Menu
Retour à la cohorte
Enregistrement W2100685058 · doi:10.1109/icc.2006.254890

Statistical Delay Budget Partitioning Algorithm

2006· article· en· W2100685058 sur OpenAlexaff
Najah Abu Ali, Saeed Gazor, Hussein T. Mouftah

Notice bibliographique

Revue2006 IEEE International Conference on Communications · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensUniversity of OttawaQueen's University
Organismes subventionnairesnon disponible
Mots-clésQuality of serviceComputer scienceAlgorithmHeuristicMetric (unit)Path (computing)Distributed computingComputer networkArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Mapping the end to end QoS requirements into link QoS requirements is an important step for resource allocation of connection oriented services. The problem of the QoS partitioning has been addressed in literature and proved to be NP complete. Different algorithms are proposed to solve the problem of single end-to-end QoS metric. However, these algorithms are near optimal or heuristic algorithms and solve the QoS partitioning problem for single QoS metric. In this paper, we propose a novel optimal partitioning algorithm which is capable of partitioning the end to end QoS requirement for multiple QoS metrics, additive and multiplicative, simultaneously. Extensive simulation verified the effectiveness of the algorithm compared to two QoS partitioning algorithms. The results show that the proposed algorithm outperforms the other two algorithms for loose and stringent QoS requirements and over different path lengths.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,645

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 ouverte0,0010,000
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 Opus0,041
Tête enseignante GPT0,309
Écart entre enseignants0,268 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2006 IEEE International Conference on CommunicationsMême sujetAdvanced Optical Network TechnologiesTravaux en français237 207