MétaCan
Menu
Retour à la cohorte
Enregistrement W2154943390 · doi:10.1109/iwcmc.2011.5982751

Peer to peer content sharing on ad hoc networks of smartphones

2011· article· en· W2154943390 sur OpenAlexaff
Piotr K. Tysowski, Pengxiang Zhao, Kshirasagar Naik

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiquePeer-to-Peer Network Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkPeer-to-peerUploadServerBitTorrentFile sharingMobile deviceMobile computingProtocol (science)Bandwidth (computing)Distributed computingOperating systemThe Internet

Résumé

récupéré en direct d'OpenAlex

Peer-to-peer networks offer advantages over traditional client-server networking models, such as the lack of a need for connectivity to trusted intermediary hosts or servers and the use of less costly communication links. While they have become popular in the wired broadband environment, they have not yet been effectively adapted to the resource-constrained mobile network environment. They promise significant potential in applications such as the sharing of files like multimedia and operating system updates between mobile devices. However, the peer-to-peer model faces unique challenges in the mobile context, such as limitations on processing power, on-board device memory, wireless data bandwidth, and available battery energy. We propose a high-level framework for a peer-to-peer protocol with these specific constraints addressed. In addition, we investigate the feasibility of a practical implementation of a peer-to-peer file sharing model on smartphones, including an analysis of how performance is impacted by various variables that can be dynamically controlled in the protocol. Through experimentation on leading smartphones, we have found various optimal strategies, including minimizing the upload-to-download ratio to conserve battery life, using larger file segments to increase throughput, and using sockets to decrease memory overhead.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,098
Tête enseignante GPT0,256
Écart entre enseignants0,159 · 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'étudeSans objet
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPeer-to-Peer Network TechnologiesTravaux en français237 207