MétaCan
Menu
Retour à la cohorte
Enregistrement W2792703057 · doi:10.1109/tsusc.2018.2816465

A Novel Hierarchical Two-Tier Node Deployment Strategy for Sustainable Wireless Sensor Networks

2018· article· en· W2792703057 sur OpenAlex

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 Transactions on Sustainable Computing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésWireless sensor networkComputer scienceEnergy harvestingEnergy consumptionSoftware deploymentComputer networkNode (physics)Sensor nodeKey distribution in wireless sensor networksWirelessEnergy (signal processing)Distributed computingWireless networkTelecommunicationsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Wireless sensor networks (WSNs) have been widely adopted to fulfil the imperative requirement of real-time monitoring and/or long-term surveillance of the field-of-interest. However, due to the limited battery capacity, energy is the most critical constraint for improving the sustainability of a WSN. Hence, conserving energy and extending battery life are important in designing a sustainable WSN. Fortunately, the emerging energy harvest techniques provide us with a semi-permanent energy resource to power WSNs. In this article, we introduce a novel energy-aware hierarchical two-tier (HTT) energy harvesting-aided WSNs deployment scenario. More precisely, we consider two types of nodes in the system: one is the regular battery-powered sensor node (RSN), and the other is the energy harvesting-aided data relaying node (EHN). The objective is to use only RSNs to monitor FoI, while EHNs focus on collecting the sensed data from RSNs and forwarding the gathered data to the data sink. The minimum number of EHNs is deployed based on a newly designed probability density function to minimize the energy consumption of RSNs. This, in turn, extends the lifetime of the deployed WSN. The simulation results indicate that the proposed scheme outperforms some well-known techniques in the network lifetime, while enhancing the total throughput.

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 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 enseignants0,917
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,251
Écart entre enseignants0,235 · 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