MétaCan
Menu
Retour à la cohorte
Enregistrement W2561984156 · doi:10.1109/cisis.2016.143

A Centrality-Based History Prediction Routing Protocol for Opportunistic Networks

2016· article· en· W2561984156 sur OpenAlexaff
Amarpreet Bamrah, Isaac Woungang, Leonard Barolli, Sanjay Kumar Dhurandher, Glaucio H. S. Carvalho, Makoto Takizawa

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpportunistic and Delay-Tolerant Networks
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCentralityComputer networkRouting protocolWireless Routing ProtocolZone Routing ProtocolRouting (electronic design automation)Task (project management)Distributed computingOverhead (engineering)Protocol (science)Dynamic Source RoutingEnhanced Interior Gateway Routing ProtocolEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

In Opportunistic networks (OppNets), due to high mobility, short radio range, intermittent links, unstable topology, sparse connectivity, to name a few, routing is a very challenging task since it relies on cooperation between the nodes. This paper focuses on using the concept of centrality to alleviate this task. Unlike other nodes in the network, central nodes are those that are more likely to act as communication hubs to facilitate the message forwarding and thereby routing. In this paper, a recently proposed History-Based Prediction Routing protocol (HBPR) for OppNets is re-designed using this concept, yielding the so-called centrality-based HBPR (CHBPR) routing protocol. The proposed CHBPR scheme is evaluated by simulations using the Opportunistic NEtwork (ONE) simulator, showing superior performance compared to HBPR without centrality and Epidemic protocol with centrality, in terms of number of messages delivered at destination and overhead ratio, under varying number of nodes and Time-to-Live.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,554

Scores Codex et Gemma par catégorie

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

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 Opus0,072
Tête enseignante GPT0,277
Écart entre enseignants0,205 · 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 tête enseignante, 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOpportunistic and Delay-Tolerant NetworksTravaux en français237 207