MétaCan
Menu
Retour à la cohorte
Enregistrement W2166951008 · doi:10.1109/icniconsmcl.2006.172

Preemptive Multicast Routing in Mobile Ad-hoc Networks

2006· article· en· W2166951008 sur OpenAlexaff
Xing Xiong, Uyen Trang Nguyen, Hoang Lan Nguyen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceProtocol Independent MulticastDistance Vector Multicast Routing ProtocolMulticastDistributed computingLink-state routing protocolWireless Routing ProtocolXcastSource-specific multicastRouting protocolRouting (electronic design automation)

Résumé

récupéré en direct d'OpenAlex

Preemptive route maintenance allows a routing algorithm to maintain connectivity by preemptively switching to a path of higher quality when the quality of the currently used path is deemed questionable. Preemptive routing initiates recovery actions early by detecting that a link is likely to be broken soon and searching for a new path before the current path actually breaks. Preemptive route maintenance has been used for unicast (point-to-point) communications in wired networks and in mobile ad-hoc networks (MANETs) to minimize the number of route breaks and thus packet losses, and end-to-end delays. In addition to these advantages, we show that preemptive route maintenance can help minimize control overhead and improve the scalability of multicast routing protocols in MANETs. In this paper, we present design and implementation issues of preemptive routing for multicast in MANETs. We then describe a preemptive multicast routing protocol based on ODMRP (On-Demand Multicast Routing Protocol), which we call PMR (Preemptive Multicast Routing). PMR significantly improves the scalability of ODMRP: it offers similar or higher packet delivery ratios while incurring much less control overhead. Our simulation results have confirmed these advantages of PMR.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,221 · 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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Ad Hoc NetworksTravaux en français237 207