MétaCan
Menu
Retour à la cohorte
Enregistrement W3202150882 · doi:10.18280/isi.260408

Internet of Things and Heterogeneous Networks Technologies: Concepts, Challenges and Perspectives

2021· article· en· W3202150882 sur OpenAlexvenueno aff
Chirihane Gherbi

Notice bibliographique

RevueIngénierie des systèmes d information · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBluetoothThe InternetComputer networkKey (lock)Process (computing)Internet of ThingsWireless sensor networkField (mathematics)Radio-frequency identificationRouting (electronic design automation)IPv6Smart objectsTelecommunicationsObject (grammar)Resource (disambiguation)Computer securityWirelessWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The IoT network is used to provide an object with connectivity to the Internet to allow the feedback of information. The IoT has the ambition to make objects interact with each other and with people. It promises to be the engine of great transformations in the lives of individuals by democratizing new uses and services in the mobility sector. This is why it is compared to the internet of the future. The global size of the IoT, the huge number of Things in the IoT, the changing topology of the IoT, and the resource constraints make routing in the IoT difficult. Routing is a necessary process in the Internet of Things because it enables the interchange of data between Things by quickly guiding and reliably delivering data through the network from its origins to its destinations. The Internet of Things is enabled by key pillars: radio frequency identification (RFID) and wireless sensor networks (WSNs) (IoT), NFC (Near Field Communication), BLE (Bluetooth Low-Energy technology), LoRa and Sigfox. This paper examines these different technologies as well as the barriers and challenges that must be solved.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil0,424

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 savante0,0000,002
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 GPT0,227
Écart entre enseignants0,205 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngénierie des systèmes d informationMême sujetIoT and Edge/Fog ComputingTravaux en français237 207