MétaCan
Menu
Retour à la cohorte
Enregistrement W3005044633 · doi:10.1109/pacrim47961.2019.8985055

Exploiting External Interference for Clock Synchronization

2019· article· en· W3005044633 sur OpenAlexaff
Aidan D. Bush, Nicholas M. Boers, Jakob Bowering

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Time Synchronization Technologies
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésClock synchronizationSynchronization (alternating current)Computer scienceNode (physics)Interference (communication)Clock driftWireless sensor networkReal-time computingTime synchronizationProtocol (science)Computer networkWireless networkNetwork simulationNetwork Time ProtocolWirelessTelecommunicationsEngineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Many wireless sensor network (WSN) applications require the synchronization of the network's independent node clocks. That synchronization is a challenging problem that often requires energy-constrained devices to exchange many messages.This paper introduces the Interference-based Clock Synchronization (ICS) protocol, an approach suitable for dense WSNs located in urban environments. ICS uses external interference to synchronize the network's nodes to either a network-local internal or global (e.g., UTC) external time. All of the network's nodes observe interference at roughly the same time, and the node possessing the common time transmits its observed pattern to the network. The network nodes then compare and align the received and locally-observed patterns, and subsequently, they update their clocks to the common time.The protocol is evaluated using both a simulator and hardware. Using this approach, the number of transmitted messages scales linearly with the network size. In the simulator, ICS-synchronized clocks had a mean time difference of 0.3635 ms when compared with the common time. Using hardware, the difference was larger at 4.9388 ms, but much of that difference can likely be attributed to the experimental setup.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,231
Écart entre enseignants0,219 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Time Synchronization TechnologiesTravaux en français237 207