MétaCan
Menu
Retour à la cohorte
Enregistrement W3208768690 · doi:10.1109/ccece53047.2021.9569070

Low-Overhead Data Synchronization Enabled by Prescheduled Task Period in Time-Sensitive IoT Systems

2021· article· en· W3208768690 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Time Synchronization Technologies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésOverhead (engineering)Computer scienceSynchronization (alternating current)Real-time computingClock synchronizationTask (project management)Data synchronizationSensor fusionInternet of ThingsConsistency (knowledge bases)Scheme (mathematics)Coherence (philosophical gambling strategy)System timeWireless sensor networkDistributed computingEmbedded systemComputer networkGlobal Positioning SystemArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Time-sensitive applications in Internet of Things (IoT) systems rely heavily on the temporal coherence among its distributed constituents during data fusion and analysis. The inconsistent clock output inherent to the unstable and heterogeneous clock oscillator embedded at each IoT device will inevitably lead to inaccurate data processing and deteriorated overall performance. In this paper, a low-overhead data synchronization scheme is proposed to achieve accurate temporal consistency prior to fusing the massive data collected from the distributed IoT devices. More specifically, a task period is scheduled for each sensor device to deliver the sampled data to SN. By comparing the difference between the predefined period and the real observed one, the clock parameters can be estimated accurately so that the misalignment of the data can be compensated accordingly. Simulation results show that the proposed scheme can enhance the data fusion accuracy with significantly reduced network overhead.

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.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,002
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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Time Synchronization TechnologiesTravaux en français237 207