A novel framework for cross-layer design in wireless ad hoc and sensor networks
Notice bibliographique
Résumé
In a wireless ad hoc or sensor network, the behavior of any protocol entity and the operations carried out by such entities impact the performance. Separation between the different layers of the OSI model has been a common practice. Nevertheless, it is the unpredictability and unreliability of the underlying wireless medium, the complexity of contention-based medium access, and the dynamic nature of wireless multi-hop networks that account for our anticipation of resorting to cross-layer interactions between the network, upper, and lower layers (application, transport, MAC and PHY) to achieve energy efficiency, reliable packet delivery, and stability, in multi-hop wireless networks. We herein propose a novel framework, namely dynamic multi-attribute cross-layer design (DMA-CLD), in which multiple, and possibly conflicting, (single-layer, cross-layer, nodal, and networking) objectives are met. To our best knowledge, this is the first time that such a multi-objective framework is proposed. More importantly, our framework can be easily extended to accommodate any number of objectives and OSI layers, provided that the proper inter-layer feedback is integrated into DMA-CLD. We study some of the key characteristics of the proposed framework and show that DMA-CLD is an efficient and computationally inexpensive mechanism via which adhering to a predefined, precedence-ordered set of objectives is possible.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».