MétaCan
Menu
Retour à la cohorte
Enregistrement W2159607780 · doi:10.1109/iscc.2008.4625730

A novel distributed destination routing-based Availability-Aware provisioning framework for differentiated protection services in optical mesh networks

2008· article· en· W2159607780 sur OpenAlexaff
Emad M. Al Sukhni, Hussein T. Mouftah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésProvisioningComputer scienceOptical mesh networkComputer networkDistributed computingRouting (electronic design automation)Mesh networkingPath (computing)Metric (unit)Process (computing)Wireless mesh networkTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

In optical mesh networks, different protection schemes can be used to satisfy the service availability against network failures. However, in order to satisfy a connectionpsilas service-availability requirement in a distributed controlled WDM with dynamic traffic and no wavelength converters, we need a framework to manage the provisioning process and to select a proper protection scheme. In this paper, we propose a novel distributed Availability-Aware provisioning framework based on intelligent destination routing to assign and manage the working and the protection paths as well as their wavelength(s) of each connection. Our proposed framework probes the k most reliable paths in parallel. The probing technique used in this framework is the first probing technique that probes each path as both a candidate working path and a candidate shared protection path at the same time. Moreover, we propose to use connection availability as a metric for providing differentiated protection services in WDM mesh networks. Based on the availability information collected, our provisioning strategy selects an appropriate level of protection to each connection. The effectiveness of our provisioning approaches is demonstrated through simulation results.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,217 · 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
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

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Optical Network TechnologiesTravaux en français237 207