MétaCan
Menu
Retour à la cohorte
Enregistrement W2160105108 · doi:10.1109/icc.2005.1494342

Performance evaluation framework for vertical handoff algorithms in heterogeneous networks

2005· article· en· W2160105108 sur OpenAlexaff
Ahmed H. Zahran, Ben Liang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIPv6, Mobility, Handover, Networks, Security
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceHandoverQuality of serviceComputer networkHeterogeneous networkWireless networkUnderlayVertical handoverWirelessNext-generation networkCellular networkBandwidth (computing)Distributed computingTelecommunicationsThe Internet

Résumé

récupéré en direct d'OpenAlex

The next generation (4G) wireless network is envisioned as a convergence of different wireless access technologies providing the user with the best anywhere anytime connection and improving the system resource utilization. The integration of wireless local area network (WLAN) hotspots and the third generation (3G) cellular network has recently received much attention. While the 3G-network can provide global coverage with a low data-rate service, the WLAN can provide a high data-rate service within the hotspots. Although increasing the underlay network utilization is expected to increase the user available bandwidth, it may violate the quality-of-service (QoS) requirements of active real-time applications. Hence, achieving seamless handoff between different wireless technologies, known as vertical handoff (VHO), is a major challenge for 4G-system implementation. Several factors, such as application QoS requirements and handoff delay, should be considered to realize an application transparent handoff. We present a novel framework to evaluate the impact of VHO algorithm design on system resource utilization and user perceived QoS. We used this framework to compare the performance of two different VHO algorithms. The results show a very good match between simulation and analytical results. In addition, it clarifies the tradeoff between achieving high resource utilization and satisfying user QoS expectations.

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)0,009
score de la tête « metaresearch » (Gemma)0,021
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,264
Écart entre enseignants0,247 · 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

Citations74
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIPv6, Mobility, Handover, Networks, SecurityTravaux en français237 207