MétaCan
Menu
Retour à la cohorte
Enregistrement W4224243438 · doi:10.1109/drcn53993.2022.9758026

Revisiting and Comparing Failure Dependent Protection and Restoration

2022· article· en· W4224243438 sur OpenAlexafffund
Brigitte Jaumard, Yefei Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBackupComputer scienceHeuristicsScalabilityBandwidth (computing)Computer networkDistributed computingFault toleranceProvisioningReliability engineeringEngineeringDatabaseOperating system

Résumé

récupéré en direct d'OpenAlex

Failure dependent backup schemes are known to achieve better capacity efficiency, although they can be more difficult to manage due to more complex control requirements. Regarding protection in networks, fault dependent protection (FDP) is recognized with the best bandwidth efficiency, but with longer recovery time and more complex signaling. On the other hand, restoration, by definition failure dependent, allows an even more efficient capacity, but has been very little studied compared to failure dependent protection.The explosion of data traffic and bandwidth intensive applications make it important to revisit optical layer failure dependent backup (protection or restoration) as they have been little studied while being bandwidth efficient, in comparison to the vast literature on independent (i.e., link, segment, path) protection. Indeed, there is a lack of proven and scalable failure dependent backup heuristics.Here we study the design of efficient greedy heuristics for failure-dependent protection and recovery, and compare their bandwidth efficiency against the ease of provisioning new incoming requests with backup against multiple link failure scenarios.Computational results are reported using the Nobel network with 30 wavelengths.

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)0,006
score de la tête « metaresearch » (Gemma)0,020
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
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 Opus0,014
Tête enseignante GPT0,208
Écart entre enseignants0,194 · 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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Optical Network TechnologiesTravaux en français237 207