MétaCan
Menu
Retour à la cohorte
Enregistrement W2125702314 · doi:10.1109/wcnc.1999.796942

A QoS management framework for 3G wireless networks

2003· article· en· W2125702314 sur OpenAlexaff
Sanjoy Sen, Ajay Arunachalam, Kalyan Basu, M. Wernik

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIPv6, Mobility, Handover, Networks, Security
Établissements canadiensNortel (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceQuality of serviceWireless networkRadio resource managementWi-Fi arrayWirelessWireless WANMobile QoSWireless distribution systemDistributed computingTelecommunicationsService providerService (business)

Résumé

récupéré en direct d'OpenAlex

The wireless access is expected to be one of the key access technologies for providing IP services to the user, end-to-end seamlessly. The wireless network, as the "last hop" of the wireline IP network has its own unique set of complex characteristics. To improve the behavior of the wireless link susceptible to frequent error bursts (due to fading, shadowing etc.), various low layer (physical/link layer) techniques have to be used to map the service associated network level QoS parameters such as delay, jitter, BER and throughput to meet end-to-end IP performance. The motivation of this paper is two-fold: (i) to present some of the unique characteristics of the radio link and show what kind of flexibility of resource management and mapping techniques required to guarantee QoS over the wireless, and (ii) propose a framework for a wireless QoS agent. The wireless QoS agent, in a nutshell, will be responsible for mapping multimedia IP QoS requirements to radio link specific requirements. The wireless QoS agent will interwork with the IP QoS Manager framework within IETF such as diff-serv in core networks.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIPv6, Mobility, Handover, Networks, SecurityTravaux en français237 207