Prediction-based Schemes for Coexistence in Personal Wireless Networks
Notice bibliographique
Résumé
The wide spread of sensor networks enforces the need to provide a new technology that supports the emerging characteristics of sensors. This has geared IEEE 802.15.4 standards committee toward working on the physical and data link layers in cooperation with ZigBee Alliance that has worked on the network and application layers. The new cooperation, named ZigBee, considers sensors characteristics in the full design. Numerous home applications are guiding the need for communication protocols supporting the new emergent characteristics of Wireless Sensor Networks (WSN), which demand ultra low rate, low power consumption and low cost. ZigBee operates in the license-free 2.4 GHz Industrial, Scientific and Medical (ISM) band that is used by many other standards such as, Bluetooth IEEE 802.15.1, and WLAN IEEE 802.11b. This paper proposes two smart schemes that enable the communication in environments with ZigBee and WLAN devices in order to achieve higher delivery ratios while maintaining acceptable end-to-end delay values. The proposed schemes carryout essential predictions to achieve fairness among ZigBee and WLAN transmissions, therefore, attain better load balancing among devices of different networks. Simulation results show that the proposed smart and opportunistic schemes increase the packet delivery ratio of ZigBee devices for different scenarios. In addition, the proposed schemes enhance the performance of WLAN devices by increasing the packet delivery ratio, while maintaining an acceptable level of end to end delay values.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».