MétaCan
Menu
Retour à la cohorte
Enregistrement W2950552779 · doi:10.1109/jiot.2019.2930367

Multipoint Synchronization for Fog-Controlled Internet of Things

2019· article· en· W2950552779 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 Internet of Things Journal · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Time Synchronization Technologies
Établissements canadiensMcGill University
Organismes subventionnairesPetroleum Technology Development FundNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceAsynchronous communicationDistributed computingComputer networkScheduling (production processes)SynchronizerThe InternetScheduleCloud computingReal-time computingOperating system

Résumé

récupéré en direct d'OpenAlex

This paper presents a fog-resident controller architecture for synchronizing the operations of large collections of Internet of Things (IoT), such as drones, Internet of Vehicles, etc. Synchronization in IoT is grouped into different classes, use cases identified and multipoint synchronous scheduling algorithms are developed to schedule tasks with varying timing requirements; strict (synchronous) and relaxed (asynchronous and local) onto a bunch of worker nodes that are coordinated by a fog resident controller in the presence of disconnections and worker failures. The algorithms use time-based or component-based redundancy to cope with failures and embed a publish-subscribe message update scheme to reduce the message overhead at the controller as the number of workers increase. The performance of the algorithms are evaluated using trace-driven experiments and practicability is shown by implementing the time-based redundancy synchronous scheduling algorithm in JAMScript-a polyglot programming platform for Cloud of Things and report initial findings.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0020,000
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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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