MétaCan
Menu
Retour à la cohorte
Enregistrement W2138159678 · doi:10.1109/ccece.2003.1226060

A framework to use SIP in ad-hoc networks

2004· article· en· W2138159678 sur OpenAlexaff
Hechmi Khlifi, Ankush Agarwal, Jean‐Charles Grégoire

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkWireless ad hoc networkMobile ad hoc networkAd hoc wireless distribution serviceSession Initiation ProtocolVehicular ad hoc networkScalabilityOptimized Link State Routing ProtocolAdaptive quality of service multi-hop routingDistributed computingWireless networkRouting protocolWirelessNetwork packetTelecommunicationsServer

Résumé

récupéré en direct d'OpenAlex

A rapid increase in wireless communication services has occurred during the last years. Infrastructure-less ad-hoc networks emerge as an interesting option to provide pervasive wireless services, although several challenges must be resolved first. Our paper focuses on issues related to signalling and presence management in mobile wireless ad-hoc networks. We present a framework to use SIP in this kind of networks. The objective of this framework is to allow the users of ad-hoc networks to communicate with each other and exchange instant messages. This framework permits the discovery of participants, the establishment, the publishing and the ending of two-party or multiparty sessions by providing SIP (session initiation protocol) extensions. To cope with the bandwidth limitation problem, it is proposed to unify the network layer routing protocols and the application layer SIP REGISTER methods. Scalability of the framework is improved by introducing a clustering approach that group nodes together into clusters.

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)0,007
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 enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,004
Communication savante0,0060,006
Science ouverte0,0050,005
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 GPT0,253
Écart entre enseignants0,235 · 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

Citations32
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Ad Hoc NetworksTravaux en français237 207