Fine-grained access provisioning via joint gateway selection and flow routing on SDN-aware Wi-Fi mesh networks
Notice bibliographique
Résumé
In recent years, dramatic growth of mobile data traffic has left the operators no choice but to consider Wi-Fi networks as an economic complementary solution. To achieve this, WLANs require to adopt some of the key features of carrier-grade operators, such as centralized resource management. As an emerging paradigm, Software Defined Networking (SDN) can be used to provide salient centralized network solutions for Wi-Fi infrastructures. In fact, applying SDN to different wireless platforms, e.g., Wi-Fi Mesh Networks (WMNs), brings unprecedented opportunities to improve the network performance by employing more sophisticated algorithms at SDN controllers. Moreover, it should be noted that traffic engineering over WMNs incorporates tightly correlated steps including association control, gateway selection and flow routing which are individually NP-hard problems. In this paper, we present an agile and fine-grained access provisioning solution via bridging the cellular and Wi-Fi technologies that empowers us to address the users demand by steering data flows on different tiers of WMNs. In contrast to the prior work, we present a detailed unified formulation for joint gateway selection and flow routing in Multi-Channel Multi-Radio (MCMR) WMNs that considers the key attributes of wireless networks. The functionality of the presented solution is evaluated through various experiments with extensive numerical results.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».