MétaCan
Menu
Retour à la cohorte
Enregistrement W2917110949 · doi:10.1177/1550147719829960

Case studies of communications systems during harsh environments: A review of approaches, weaknesses, and limitations to improve quality of service

2019· review· en· W2917110949 sur OpenAlexaff
Zayan El Khaled, Hamid Mcheick

Notice bibliographique

RevueInternational Journal of Distributed Sensor Networks · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRisk analysis (engineering)Strengths and weaknessesCommunications systemQuality (philosophy)Service (business)Computer securityQuality of serviceTelecommunicationsBusiness

Résumé

récupéré en direct d'OpenAlex

The failure of communications systems may cause catastrophic damage to human life and economic activities as people are unable to communicate with each other in a timely manner and with a convenient quality of service. Therefore, the exchange of information is more than necessary for people in their everyday life or during harsh environments to prevent the death and injury of thousands of individuals. The study of communications systems behavior in harsh environments helps to design or select more resilient technologies that are capable of operating in challenging conditions. This article reviews existing approaches, major causes of failure, and weaknesses of communications systems during extreme events. First, we highlight the importance of communications systems, and then we examine related works, how communication may fail, and the effect of this failure on human life in general and during extreme events response. Furthermore, we study and analyze how communications are used during various stages of extreme events, and we identify the main weaknesses and limitations that communications systems may suffer based on many case studies. To conclude, we identify and discuss relevant attributes, requirements, and recommendations for communications systems to perform with a suitable quality of service during harsh environments and to reduce risks of communication failure in challenging conditions.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,166
Tête enseignante GPT0,351
Écart entre enseignants0,185 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Distributed Sensor NetworksMême sujetSmart Grid Security and ResilienceTravaux en français237 207