MétaCan
Menu
Retour à la cohorte
Enregistrement W2114753940 · doi:10.1109/iwcmc.2014.6906433

CO-TORA on-demand routing protocol for cognitive radio ad-hoc networks

2014· article· en· W2114753940 sur OpenAlexaff
Lamia El Garoui, Wessam Ajib, Halima Elbiaze

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceCognitive radioRouting protocolWireless Routing ProtocolWireless ad hoc networkOptimized Link State Routing ProtocolThroughputDistributed computingZone Routing ProtocolCognitive networkDynamic Source RoutingRouting (electronic design automation)WirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

Cognitive radio networks are emerging kind of wireless networks with cognitive radio nodes able to have dynamic spectrum access in order to make use more efficiently of the spectrum. The routing problem in such networks is quite complex due to the dynamic nature of the spectral environment where the availability of frequency bands for cognitive radio nodes is opportunistic. In this paper, we propose a robust and efficient routing solution in terms of throughput. Our proposition is a reactive routing protocol (named cognitive temporary ordering routing algorithm) CO-TORA based on the classic TORA protocol proposed for non cognitive wireless ad-hoc networks. We also implement CO-TORA in largely used NS-2 simulator. The utilization of CO-TORA protocol brings to the system many performance improvements that are evaluated by simulations and shown by comparing it with classical TORA.

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)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,273 · 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
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207