MétaCan
Menu
Retour à la cohorte
Enregistrement W2971382750 · doi:10.1364/jocn.11.000512

Optimal transceiver placement and resource allocation schemes in cooperative dynamic FSO networks

2019· article· en· W2971382750 sur OpenAlexaff
Abdallah S. Ghazy, Mahmoud A. Hasabelnaby, Hossam A. I. Selmy, Hossam M. H. Shalaby

Notice bibliographique

RevueJournal of Optical Communications and Networking · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTransceiverComputer scienceResource allocationReliability (semiconductor)Computer networkInteger programmingExploitScheme (mathematics)Resource management (computing)Mathematical optimizationDistributed computingTelecommunicationsAlgorithmWirelessMathematics

Résumé

récupéré en direct d'OpenAlex

Cooperative dynamic free-space optical (FSO) networks exploit the fact that atmospheric losses are distance dependent to enhance the performance of FSO networks. This enhancement is achieved by sharing the resources of shorter links among different nodes in the network. In this paper, two joint transceiver placement and resource allocation schemes are proposed to optimally place FSO redundant transceivers based on optimal resource allocation in cooperative dynamic FSO networks. Specifically, one scheme increases reliability and capacity, while the other increases reliability and fairness of cooperative dynamic FSO networks during severe weather conditions. The schemes are formulated as multi-objective and bi-level integer linear programming problems and solved using an exhaustive search to obtain optimal solutions. The numerical results reveal that higher reliabilities can be achieved with enhanced capacities and fairness using the first and second schemes, respectively. Furthermore, these improvements are achieved by using many fewer numbers of FSO redundant transceivers than those of random placement.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,231 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Optical Communications and NetworkingMême sujetOptical Wireless Communication TechnologiesTravaux en français237 207