MétaCan
Menu
Retour à la cohorte
Enregistrement W2165651458 · doi:10.1109/jsac.2004.830465

A Multilayer Differentiated Protection Services Architecture

2004· article· en· W2165651458 sur OpenAlexaff
Hassan Naser, Hussein T. Mouftah

Notice bibliographique

RevueIEEE Journal on Selected Areas in Communications · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensLakehead UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkDistributed computingScalabilityProtocol stackNetwork architectureDifferentiated servicesBandwidth (computing)ArchitectureWireless sensor networkQuality of serviceDatabase

Résumé

récupéré en direct d'OpenAlex

Metropolitan area and long-haul networks are migrating toward the deployment of optical mesh technologies. This requires, among other things, a new generation of highly intelligent protection and restoration mechanisms to perform functions of protection and bandwidth management. We introduce an architecture that provides differentiated protection services across multiple layers of network hierarchy. A connection at any client layer can request a protection against resource failures at any lower layer. A key aspect of the architecture is the hierarchical tree organization of shared risk link group (SRLG) resources. They represent routing-related failures across all layers of protocol stack. The architecture is very scalable in terms of communicating link-state and bandwidth information between adjacent layers. SRLG trees are used to aggregate this information and provide a summary to the client layer. We discuss the requirements and challenges for routing and signaling mechanisms in order to support the proposed architecture. The complexity of this architecture is evaluated and compared with the complexity of a nonhierarchical alternative.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0030,002
Science ouverte0,0010,002
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 Opus0,019
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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

Citations14
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal on Selected Areas in CommunicationsMême sujetAdvanced Optical Network TechnologiesTravaux en français237 207