MétaCan
Menu
Retour à la cohorte
Enregistrement W2657630605 · doi:10.1109/ccece.2017.7946682

EAM: Energy Aware Mobility over wireless sensor networks

2017· article· en· W2657630605 sur OpenAlexaff
Amine Boubekri, Wessam Ajib, Mounir Boukadoum

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkEnergy consumptionWireless sensor networkNode (physics)HandoverRouting protocolMobility modelRouting (electronic design automation)Energy (signal processing)Efficient energy useDistributed computingWirelessKey distribution in wireless sensor networksWireless networkTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Mobility over wireless sensor networks (WSNs) has been largely studied, with many protocol enhancements investigated to support mobile nodes and dynamic topological changes in primarily static architectures. Many research efforts have also been devoted to optimize energy consumption in WSN by developing energy aware protocols and algorithms. On the other hand, there have been fewer studies devoted to managing mobility and energy consumption at the same time, with the aim to balance the node energy consumption for minimum disconnects and handoffs due to energy depletion problems. In this paper, we propose a mobility framework to do so, named Energy Aware Mobility (EAM) over WSN. It uses both the link strengths between a mobile node and potential static parent nodes, and the residual energy of the parent nodes to make handoff decisions, with the side benefit of balancing the node energy distribution across the WSN. We show through simulations the efficiency of the proposed framework in comparison with ignoring the node energy states or using a standard low power routing approach.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,920
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0030,001
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 Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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.

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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207