A Distributed Graph-Based Dense RFID Readers Arrangement Algorithm
Notice bibliographique
Résumé
Radio Frequency Identification (RFID) plays a key role in the Internet of things (IoT). The type of scenario that needs to use many readers to cover a large area is a dense RFID environment scenario. In supply-chain management, companies such as Wal-Mart use dense RFID reader systems to track products [1]. Collisions usually happen in dense RFID reader systems, which reduce the number of tags that can be read by the system. Many algorithms were designed to eliminate the collisions in a dense RFID environment. A Maximum-Weight-Independent-Set-Based Algorithm (MWISBA) [2] is used to solve the dense RFID readers' arrangement uses a graph-based algorithm to get the MWIS. However, MWISBA does not consider interference range, it can only avoid reader-to-tag collisions. Based on MWISBA, an improved algorithm called MWISBAII [3] can avoid both reader-to-tag collisions and reader-to-reader collisions. However, both MWISBA and MWISBAII are centralized algorithms. In this paper, we propose a distributed realization of MWISBAII. In our distributed algorithm, each reader can communicate with other neighbor readers to share and collect information; making the local decision afterwards. The experimental results show that our distributed algorithm can get almost the same performance as the MWISBAII.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».