MétaCan
Menu
Retour à la cohorte
Enregistrement W2332455436 · doi:10.1364/jocn.8.000093

N∶1 Protection Design for Minimizing OLTs in Resilient Dual-Homed Long-Reach Passive Optical Network

2016· article· en· W2332455436 sur OpenAlexaff
Avishek Nag, David B. Payne, Marco Ruffini

Notice bibliographique

RevueJournal of Optical Communications and Networking · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Photonic Communication Systems
Établissements canadiensTrinity College
Organismes subventionnairesSeventh Framework ProgrammeScience Foundation IrelandEuropean Commission
Mots-clésBackupPassive optical networkComputer networkBroadbandComputer scienceAccess networkNode (physics)Software deploymentUpstream (networking)Core networkGigabitTelecommunicationsWavelength-division multiplexingEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Long-reach passive optical networks (LR-PONs) prove to be a suitable candidate for future broadband access networks. The longer reach of the feeder fiber in a LR-PON enables us to consolidate a large number of end users. The longer reach also eliminates a degree of electronic processing by eliminating the metro network and connecting the local exchanges (or the central offices) directly to a consolidated metro/core (MC) node. However, longer reach makes the feeder fiber more vulnerable to failures, and therefore, for resiliency purposes, a dual-homed architecture is proposed. For the usual case of 1+1 protection, the dual-homed secondary MC node would contain duplicate resources that would take over in the event of the failure of any of the individual working optical line terminals (OLTs) or the entire primary MC node in the case of a catastrophe. In this work we propose an N∶1 protection mechanism to reduce backup OLTs in a resilient dual-homed LR-PON deployment. We model the problem as an integer linear program and solve it for Irish and UK network deployments. Our results show that the percentage of backup OLTs can be reduced by 6 times for Ireland and by 4 times for the UK compared to a 1+1 protection deployment scenario.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,060
Tête enseignante GPT0,287
Écart entre enseignants0,227 · 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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Optical Communications and NetworkingMême sujetAdvanced Photonic Communication SystemsTravaux en français237 207