MétaCan
Menu
Retour à la cohorte
Enregistrement W2963544523 · doi:10.1049/iet-wss.2019.0072

Joint node selection, flow routing, and cell coverage optimisation for network sum‐rate maximisation in wireless sensor networks

2019· article· en· W2963544523 sur OpenAlex
Mohammed W. Baidas, Mohamad Khattar Awad, Ahmad A. El-Amine, Omar Abu Hassan, Xuemin Shen

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.

Notice bibliographique

RevueIET Wireless Sensor Systems · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensUniversity of WaterlooHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceJoint (building)Selection (genetic algorithm)Node (physics)Routing (electronic design automation)Geographic routingWireless sensor networkWirelessDynamic Source RoutingRouting protocolTelecommunicationsEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this study, the problems of joint node selection, flow routing, and cell coverage optimisation in energy‐constrained wireless sensor networks (WSNs) are considered. Due to the energy constraints on network nodes, maximising network sum‐rate under target network lifetime, flow routing, cell coverage, and minimum rate constraints is of paramount importance in WSNs. To this end, a mixed‐integer non‐linear programming problem is formulated, where the aim is to optimally select which network nodes to act as sensors or relays while ensuring connectivity to the fusion centre optimised network flows, and full network coverage. The formulated problem happens to be NP‐hard (i.e. computationally prohibitive). In turn, a solution procedure based on the branch and bound with the reformulation‐linearisation technique (BB‐RLT) is devised to provide a ‐optimal solution to the formulated problem. Simulation results are presented to validate the efficacy of the devised BB‐RLT solution procedure. This work provides significant theoretical results on network sum‐rate maximisation for WSNs under a variety of practical constraints.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,489
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,011
Tête enseignante GPT0,204
Écart entre enseignants0,193 · 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