An Efficient Adaptive Transmission Control Scheme for Large-Scale Distributed Simulation Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Data Distribution Management (DDM) is one of the most critical component of any large-scale interactive distributed simulation systems. The aim of DDM is to reduce and control the volume of information exchanged among the simulated entities (federates) in a large-scale distributed simulation system. In order to fulfill its goal, a considerable amount of DDM messages needs to be exchanged within the simulation (federation). The question of whether each message should be sent immediately after it is generated or held until it can be grouped with other DDM messages needs to be investigated further. Our experimental results have shown that the total DDM time of a simulation varies considerably depending on which transmission strategy is used. Moreover, in the case of grouping, the DDM time depends on the size of the group. In this paper, we propose a novel DDM approach, which we refer to as Adaptive Grid-based (AGB) DDM. The AGB protocol is distinct from all existing DDM implementations, because it is able to predict the average amount of data generated in each time step of a simulation. Therefore, the AGB DDM approach controls a simulation running in the most appropriate mode to achieve a desired performance. This new DDM approach consists of two adaptive control parts: 1) the Adaptive Resource Allocation Control (ARAC) scheme and 2) the Adaptive Transmission Control (ATC) scheme. The focus of this paper is on the ATC scheme. We describe how to build a switching model to predict the average amount of DDM messages generated and how the ATC scheme uses this estimation result to optimize the overall DDM time. Our experimental results provide a clear evidence that the ATC scheme is able to achieve the best performance in DDM time when compared to all existing DDM protocols using an extensive set of experimental case studies.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle