MétaCan
Menu
Retour à la cohorte
Enregistrement W3007160888 · doi:10.1109/globecom38437.2019.9013565

Neighborhood Discovery Approach in WSN for Star Topology Using a Switched Beam Antenna

2019· article· en· W3007160888 sur OpenAlexaff
Guéréguin Der Sylvestre Sidibé, Raphaël Bidaud, Marie Francoise Servajean, Nadir Hakem, Michel Misson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésStar (game theory)Topology (electrical circuits)Computer scienceAntenna (radio)Network topologyTelecommunicationsComputer networkEngineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Wireless Sensor Networks (WSNs) are often used for gathering data collected by sensor nodes spread over large monitored areas. Star topologies, having a sink node at their center, are becoming a clear trend when the size of the monitored area allows it. The range of the radio links used, increases due to the decision to use a sub-GHz frequency and/or a particular signal coding that ensures a significant processing gain in the radio link budget. Even though such long-range radio links are beneficial in specific applications, in spite of the low data rate limit, often remains a weakness for application in many domains. Our overall objective is to consider combining the use of a switched-beam antenna only for the sink node of a star topology and omnidirectional antennas for wireless sensor nodes, in order to achieve a better balance between Range and Data Rate. When switched- beam antennas are used to equip some nodes, usual medium access methods have to be revised as does the discovery of the neighborhood of the sink. In this paper, we propose a scheme that allows the sink node to discover all its neighboring nodes within a limited timeframe, despite the hidden terminal problem effects worsen by antennas directivity.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207