MétaCan
Menu
Retour à la cohorte
Enregistrement W2900751243 · doi:10.1109/access.2018.2882210

An Energy Efficient and Reliable In-Network Data Aggregation Scheme for WSN

2018· article· en· W2900751243 sur OpenAlexaff
Jinhuan Zhang, Peng Hu, Fang Xie, Jun Long, An He

Notice bibliographique

RevueIEEE Access · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensSeneca Polytechnic
Organismes subventionnairesConstruct Program of the Key Discipline in Hunan ProvinceNatural Science Foundation of Hunan ProvinceNational Natural Science Foundation of China
Mots-clésNetwork packetComputer scienceComputer networkTransmission delayRing networkWireless sensor networkPacket forwardingRelayEfficient energy useData aggregatorNode (physics)Transmission (telecommunications)Sink (geography)Reliability (semiconductor)Network topologyEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,043
Tête enseignante GPT0,320
Écart entre enseignants0,277 · 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 AccessMême sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207