MétaCan
Menu
Retour à la cohorte
Enregistrement W2125614604 · doi:10.4018/jitn.2009040105

User-Based Channel Assignment Algorithm in a Load-Balanced IEEE 802.11 WLAN

2009· article· en· W2125614604 sur OpenAlexaff
Mohamad Haidar, Hussain M. Al‐Rizzo, Yupo Chan, Robert Akl

Notice bibliographique

RevueInternational Journal of Interdisciplinary Telecommunications and Networking · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Networks and Protocols
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWi-FiComputer networkAlgorithmThroughputChannel (broadcasting)IEEE 802.11Local area networkLoad balancing (electrical power)WirelessInterference (communication)Process (computing)Network congestionWireless networkTelecommunicationsNetwork packetOperating system

Résumé

récupéré en direct d'OpenAlex

A new load balancing algorithm is presented based on power management of Access Points (APs) to reduce congestion at hot spots in Wireless Local Area Networks (WLANs) and to assign channels to APs The algorithm first finds the Most Congested Access Point (MCAP), then decreases its transmitted power in discrete steps, and the process continues until the users’ assignment which leads to a high balance index is reached. A new mathematical programming formulation is then applied to assign channels to the APs such that the Signal-to-Interference Ratio (SIR) at the users’ level is maximized. Results show that the algorithm is capable of reducing the overall congestion at hot spots in a WLAN and increases the SIR significantly for cases involving relatively large WLANs. In the process, network throughput is increased.

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 enseignants0,962
Score d'incertitude au seuil0,659

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 savante0,0000,001
Science ouverte0,0020,000
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 Opus0,019
Tête enseignante GPT0,315
Écart entre enseignants0,296 · 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

Citations5
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Interdisciplinary Telecommunications and NetworkingMême sujetWireless Networks and ProtocolsTravaux en français237 207