MétaCan
Menu
Retour à la cohorte
Enregistrement W2136995402 · doi:10.1109/wcnc.2008.401

Solar Powered WLAN Mesh Network Provisioning for Temporary Deployments

2008· article· en· W2136995402 sur OpenAlexaff
Ghada Badawy, Amir A. Sayegh, T.D. Todd

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésProvisioningComputer scienceComputer networkWireless mesh networkNode (physics)Resource (disambiguation)Mesh networkingRouting (electronic design automation)Distributed computingBattery (electricity)WirelessWireless networkPower (physics)EngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

WLAN mesh networks are often installed to provide wireless coverage for temporary events. In many of these cases, the WLAN mesh nodes can be operated using an energy sustainable source such as solar power. Node resource assignment consists of provisioning each node with a solar panel and battery combination that is sufficient to prevent node outage for the duration of the deployment. In this paper we consider this resource assignment problem with the objective of minimizing the total battery cost for a given energy source assignment. A methodology and algorithms for determining this resource assignment are first given. We then study the problem in the presence of shortest path and energy aware routing. To evaluate the quality of the resource assignments, we develop a linear programming formulation which gives lower bounds on the network resource assignment. Competitive ratios for different routing algorithms are then used, which demonstrates their effectiveness. We also include the case where some of the deployed nodes are designated in advance as having a continuous power source. Our results show the resource savings which are possible using the design algorithms and the potential resource assignment benefits of energy aware routing.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,211
Écart entre enseignants0,193 · 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
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

Citations10
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207