MétaCan
Menu
Retour à la cohorte
Enregistrement W2145919008 · doi:10.1109/35.819897

Technologies and architectures for scalable dynamic dense WDM networks

2000· article· en· W2145919008 sur OpenAlexfundno aff
Jaafar M. H. Elmirghani, Hussein T. Mouftah

Notice bibliographique

RevueIEEE Communications Magazine · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRoyal SocietyMassachusetts Institute of Technology
Mots-clésWavelength-division multiplexingComputer scienceScalabilitySurvivabilityModularity (biology)Transmission (telecommunications)Computer networkMultiplexingOptical switchRouting (electronic design automation)Electronic engineeringTelecommunicationsDistributed computingWavelengthOptoelectronicsMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Wavelength-division multiplexing has been recognized for a number of years as a promising and applied technology that can be used to increase the aggregate system bit rate. More attention has been given to devices and technologies that can be exploited to enable WDM to move from being a pure transmission technology into a state where it can be applied in transparent all-optical networks. In particular, devices and technologies such as wavelength routing switches, switched sources, tunable sources, tunable filters, and wavelength converters have all been developed and demonstrated. This article gives a description of the technologies, subsystems, and network architectures that rely on multiple wavelengths to achieve full transparent all-optical connectivity joined, in many instances, with features like scalability, modularity, and survivability. Exposure is also given to most of the current WDM demonstrators.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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'étudeSans objet
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

Citations94
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications MagazineMême sujetAdvanced Optical Network TechnologiesTravaux en français237 207