MétaCan
Menu
Retour à la cohorte
Enregistrement W2117865835 · doi:10.1109/iwsm.1996.534152

Efficient management data acquisition and run-time control of DCE applications using the OSI management framework

2002· article· en· W2117865835 sur OpenAlexaff
Michael Katchabaw, Stephen L. Howard, Hanan Lutfiyya, Michael Bauer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed and Parallel Computing Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOSI modelNetwork management applicationNetwork managementFlexibility (engineering)Context (archaeology)Systems managementData managementStructure of Management InformationDistributed managementManagement systemNetwork management stationDistributed computingSoftwareComputer networkNetwork architectureDatabaseOperating systemEngineering

Résumé

récupéré en direct d'OpenAlex

The goal of a management system in a distributed computing environment (DCE) is to provide a centralized and coordinated view of an otherwise distributed and heterogeneous collection of hardware and software resources. The management software required to achieve this goal will, within a policy framework, monitor, analyze and control network resources, system services and distributed application programs. In our research, we are investigating the use of the Open System Interconnection (OSI) network management standards as a basis for a generic architecture around which such management systems can be built. We are particularly interested in the suitability and flexibility of the OSI standards in the context of managing application programs. The work described in this paper focusses on the efficiency and dynamic control of management data acquisition and on the run-time control of application programs. We describe a prototype management system which has been developed to explore these issues in the management of DCE applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,252
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations7
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDistributed and Parallel Computing SystemsTravaux en français237 207