MétaCan
Menu
Retour à la cohorte
Enregistrement W2161641124 · doi:10.1109/icc.2007.58

DiffServ Model with Backpressure for CDMA2000

2007· article· en· W2161641124 sur OpenAlexaff
T. Erlichman, Ioannis Lambadaris, P. Larijani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceDifferentiated servicesNetwork packetQuality of serviceDifferentiated serviceCDMA2000Network traffic controlDistributed computingService (business)

Résumé

récupéré en direct d'OpenAlex

The nodes with shared-queues at the CDMA2000 data network have inherent rate mismatch and a single level of service. A core node, the packet control function (PCF) is processing power limited. Whereas a feeding node, the packet data serving node (PDSN), has superior processing metrics. A close-loop backpressure solution was proposed at the literature to efficiently control the PCF queue by utilizing PDSN free buffer space during PCF congestion events. Differentiated services (DiffServ) have been designed for Internet to provide multiple levels of network services. We propose a model for providing service differentiation at the CDMA2000 data networks. The model aims to provide service differentiations comparable to the traditional DiffServ model. The proposed improvement is in providing those services under the CDMA2000 structure of tandem nodes with large rate mismatch and a constraint of maintaining the complexity level of the processing limited core node (the PCF). The model uses a combination of backpressure and DiffServ techniques. The backpressure mechanism is used to push congestion from the PCF to the PDSN edge node where superior treatment of differentiated services can be provided to the traffic. The model differentiates services in terms of the relative access to the output link bandwidth and provides distinct handling to traffic at the multiple RED physical queues. It enables differentiation in terms of the achieved relative throughput, packet loss rate, delay, and jitter. We demonstrate the solution's robustness with various traffic scenarios and system topologies. We show that our architecture is effective in providing bandwidth differentiation, as well as throughput, packet drop rate, and average delay preferences.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Traffic and Congestion ControlTravaux en français237 207