MétaCan
Menu
Retour à la cohorte
Enregistrement W2783749042 · doi:10.1109/tmc.2018.2793198

Transmission Management of Delay-Sensitive Medical Packets in Beyond Wireless Body Area Networks: A Queueing Game Approach

2018· article· en· W2783749042 sur OpenAlexaff
Changyan Yi, Jun Cai

Notice bibliographique

RevueIEEE Transactions on Mobile Computing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Body Area Networks
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkQueueing theoryNetwork packetBody area networkDefault gatewayQuality of serviceTransmission (telecommunications)WirelessGateway (web page)Base stationLayered queueing networkDistributed computingTelecommunicationsWireless sensor network

Résumé

récupéré en direct d'OpenAlex

In this paper, the management of delay-sensitive medical packet transmissions in beyond wireless body area networks (beyond-WBANs) is studied. The considered system addresses the random arrival of sensed medical packets at each WBAN-gateway, which are categorized into different classes (one class of emergent alarms and multiple classes of non-emergent routines). Upon receiving a medical packet, the associated gateway immediately declares a beyond-WBAN transmission request to the base station (BS). With the consideration of medical-grade quality of service (mQoS) requirements, the beyond-WBAN transmissions of heterogeneous packets are scheduled by following the constructed queueing models with specifically designed priority disciplines. By further considering the potential strategic behaviors of smart gateways, a non-cooperative delay-dependent prioritized queueing game for the beyond-WBAN transmission management is formulated. After that, we propose a novel analytical framework to jointly characterize the queueing performance and the properties of the game equilibrium. Theoretical and simulation results justify the feasibility and applicability of our designed transmission management system in beyond-WBANs.

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)0,003
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 enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · 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

Citations45
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Mobile ComputingMême sujetWireless Body Area NetworksTravaux en français237 207