MétaCan
Menu
Retour à la cohorte
Enregistrement W2594910557 · doi:10.1109/ccwc.2017.7868487

Scalability in mobile Ad hoc networks with Brownian mobility

2017· article· en· W2594910557 sur OpenAlexaff
Lina Abou Haibeh, Nadir Hakem, Ousama Abu Safia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésComputer networkWireless ad hoc networkComputer scienceNetwork packetMobile ad hoc networkNode (physics)ScalabilityNetwork topologyRouting protocolOptimized Link State Routing ProtocolPacket forwardingTopology (electrical circuits)Distributed computingWirelessMathematicsTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

In this poster, we investigate the overall capacity of dynamic mobile Ad hoc networks (MANETs) with wireless nodes moving according to the Brownian motion. The minimum required capacity of these networks must not exceed the maximum packet traffic value (MPTV) in the network. The MPTV takes place at the central node of each dynamic networks. Several random topologies are produced by taking snapshots at discrete time instants. A simple central of mass principle is used to find these central nodes. Each of the N nodes transmits one packet to all other nodes in the network. Hence, the overall transmitted packets number for each under test topology equals N×(N-1). The routing algorithm used to manage the flow of packets within the network is a simple minimum hop-based algorithm with a preferential crossing through the central node while ensuring the minimum received power (MRP) required to communicate between each adjacent node in the route. The indoor attenuation factor propagation model is used to find the received power at each receiving node. Theoretical results show a significant variation in the maximum packet traffic values with time. However, the mean value of the MPTVs is lower than the MPTV value for a static Ad hoc network having the same number of nodes.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,004
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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Ad Hoc NetworksTravaux en français237 207