Failure Localization for Shared Risk Link Groups in All-Optical Mesh Networks Using Monitoring Trails
Notice bibliographique
Résumé
This paper considers the problem of out-of-band failure localization in all-optical mesh networks using bidirectional monitoring trails (bm-trails), where every possible link set with up to <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">d</i> arbitrary links is considered as a shared risk link group (SRLG). With the SRLG scenario, the bm-trail allocation problem is firstly formulated, which includes the phases of code assignment and bm-trail formation. In the first phase, each SRLG is uniquely coded by assigning each link with a nonadaptive d̅-separable combinatorial group testing code. Then, the second phase manipulates a sophisticated yet efficient bm-trail formation process through a novel greedy code-swapping mechanism, such that any SRLG failure can be unambiguously localized by collecting the alarms of the interrupted bm-trails. The algorithm prototype can be found in . Extensive simulation is conducted on hundreds of randomly generated planar topologies to verify the proposed approach in terms of the number of required bm-trails and the computational efficiency. Our approach is compared with previously reported counterparts, by which its merits are further demonstrated.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».