MétaCan
Menu
Retour à la cohorte
Enregistrement W2567565830 · doi:10.1109/jsen.2016.2643670

Virtualization of Wireless Sensor Networks Through MAC Layer Resource Scheduling

2016· article· en· W2567565830 sur OpenAlex
Elena Uchiteleva, Abdallah Shami, Ahmed Refaey

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Sensors Journal · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceComputer networkDistributed computingWireless sensor networkScheduling (production processes)VirtualizationNetwork virtualizationEngineeringCloud computing

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a joint throughput and time-resource allocation scheme for the virtualization of IEEE 802.15.4-based wireless sensor networks (WSNs). Virtualization is realized through utilization of the guaranteed time slot (GTS) mechanism of cluster-tree topology to schedule resources on a media access control (MAC) layer. We develop a scheduler that is located in the personal area network (PAN) coordinator and that virtualizes the network into an aggregate of independent profiles, assigning the available resources to each profile with end-to-end (ETE) delay guarantees. The scheduler solves the problem of managing resources available in the network in an optimization framework, taking into consideration the individual profile and sensor requirements. Moreover, it uses the proposed heuristic fair resource allocation (FRA) algorithm to derive the solution in polynomial time. We validate the scheduling performance via discrete event simulation (DES) and compare the proposed FRA algorithm with round robin (RR) and proportionally fair (PF) scheduling algorithms in several scenarios. The proposed scheme demonstrates efficient resource management while maintaining profile isolation in all cases, whereas other algorithms lead to increased latency and lower throughput in the network.

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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,019
Tête enseignante GPT0,246
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