An Energy Efficient and Reliable In-Network Data Aggregation Scheme for WSN
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.
Notice bibliographique
Résumé
Data aggregation can reduce the data transmission between the nodes, and thus save the energy and extend the life of the network. Many related researches on in-network data aggregation take the generalized maximum functions. For the cases that the original packets of N nodes aggregated into M (1 <; M <; N) packets, it is a challenge to improve the energy efficiency and reduce the transmission delay under the transmission reliability guarantee. In this paper, a novel ring-based in-network data aggregation scheme is proposed to this problem. The network is partitioned into rings and the data aggregation is executed ring by ring from outside to inside. To ensure transmission reliability, the source or intermediate aggregating node unicasts multiple aggregated packet copies to its next hop node in the inner ring with the maximum residual energy. The reliability is higher with the more unicasting packet copies. However, more sending packets copies will lead to more additional energy cost. Besides, nodes close to the sink tend to relay more size of data packets and the energy is depleted more quickly than nodes far to the sink. Meanwhile, the nodes close to the sink need to relay the aggregated packets, which contain more information. If the number of packet copies is too small, the packets loss will greatly worse the transmission reliability. Based on this, the number of unicasting packet copies is adaptively adjusted through fuzzy logic. The proposed scheme adaptively unicasts variable number of aggregated packets copies continuously in a window according to the request transmission reliability and the imbalance of nodes energy cost. Our analysis and simulation results show the effectiveness of the proposed scheme.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 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 découle