MétaCan
Menu
Retour à la cohorte
Enregistrement W2973400388 · doi:10.1109/cjece.2019.2903221

Obstacle-Aware Fuzzy-Based Localization of Wireless Chargers in Wireless Sensor Networks

2020· article· en· W2973400388 sur OpenAlexvenueno aff
Bahar Houtan, Houman Zarrabi

Notice bibliographique

RevueCanadian Journal of Electrical and Computer Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWireless sensor networkObstacleComputer scienceWirelessKey distribution in wireless sensor networksFuzzy logicWi-Fi arrayWireless networkFuzzy control systemScheme (mathematics)Real-time computingComputer networkTelecommunicationsArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

This paper introduces an obstacle-aware fuzzy-based scheme for the localization of wireless chargers in wireless sensor networks (WSNs), which aims to deploy chargers in both fixed and/or multiple duty-cycled networks. A power harvesting model is proposed that considers the obstacle penetration loss in the harvested power from multiple chargers. We take advantage of the fuzzy control system (FCS) scheme to gain prior knowledge about the distribution pattern of the nodes. The simulation results confirm that deploying chargers based on this scheme decreases the required number of chargers, in comparison with the nonfuzzy algorithms by up to 59.6% in multiduty-cycled and 34.4% in fixed duty-cycled scenarios, in the best cases.

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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,158
Écart entre enseignants0,151 · 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 tête enseignante, 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Electrical and Computer EngineeringMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207