MétaCan
Menu
Retour à la cohorte
Enregistrement W3186949554 · doi:10.18280/ts.380303

Detection and Cooperative Communications for Deployment Sensor Networks

2021· article· en· W3186949554 sur OpenAlexvenueno aff
Bedr-Eddine Benaissa, Fedoua Lahfa, Khatir Naima, Giulio Lorenzini, Younes Menni

Notice bibliographique

RevueTraitement du signal · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWireless sensor networkRedundancy (engineering)Computer scienceSoftware deploymentReal-time computingDimension (graph theory)Key distribution in wireless sensor networksComputer networkWirelessDistributed computingWireless networkTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

In a sensor network, and more specifically with a single-hop deployment policy, sensor measurements contain a lot of redundancy either in the measurement dimensions of a single sensor, or between the measurement dimensions of different sensors due to of the spatial correlation either in the temporal dimension of the measurements. The goal is to reduce this redundancy by deploying fewer sensors, while ensuring high measurement accuracy and maximizing service life. The proposed method minimizes the complexity in terms of communication and calculation and maximizes the lifetime of the network based on an aggregation and consensus system to reduce the spatio-temporal dimension of the data captured and consequently the number of sensors deployed. The results show a visible performance compared to the standard method of transmission on the free platform of the COOJA/Contiki simulator allowing to simulate network connections of wireless sensors and to interact with them.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,576

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,022
Tête enseignante GPT0,245
Écart entre enseignants0,223 · 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
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207