MétaCan
Menu
Retour à la cohorte
Enregistrement W2793309930 · doi:10.1590/0101-7438.2017.037.03.0525

COST-EFFECTIVE BANDWIDTH PROVISIONING IN MICROWAVE WIRELESS NETWORKS UNDER UNRELIABLE CHANNEL CONDITIONS

2017· article· en· W2793309930 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.

Notice bibliographique

RevuePesquisa Operacional · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDimensioningProvisioningComputer scienceComputer networkBandwidth (computing)Bandwidth allocationWireless networkChannel (broadcasting)Backhaul (telecommunications)WirelessTelecommunicationsEngineeringBase station

Résumé

récupéré en direct d'OpenAlex

Cost-effective planning and dimensioning of backhaul microwave networks under unreliable channel conditions remains a relatively underexplored area in the literature. In particular, bandwidth assignment requires special attention as the transport capacity of microwave links is prone to variations due to, e.g., weather conditions. In this paper, we formulate an optimization model that determines the minimum cost bandwidth assignment of the links in the network for which traffic requirements can be fulfilled with high probability. This model also aims to increase network reliability by adjusting dynamically traffic routes in response to variations of link capacities induced by channel conditions. Experimental results show that 45% of the bandwidth cost can be saved compared to the case where a bandwidth over-provisioning policy is uniformly applied to all links in the network planning. Comparisons with previous work also show that our solution approach, based on column generation technique, is able to solve much larger instances in significantly shorter computing times (i.e., few minutes for medium-size networks, and up to 2 hours for very large networks, unsolved so far by previous models/algorithms), with a comparable level of reliability.

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)0,000
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 enseignants0,836
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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,277
Écart entre enseignants0,260 · 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