MétaCan
Menu
Retour à la cohorte
Enregistrement W4239564064 · doi:10.32920/ryerson.14652534

Dynamic Bandwidth Management for TCP Flows in a Diffserv-Enabled Mobile Wireless Access Network

2021· preprint· en· W4239564064 sur OpenAlexaff
Li Huang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueIPv6, Mobility, Handover, Networks, Security
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer networkHandoverComputer scienceQuality of serviceProvisioningBandwidth (computing)Wireless networkDynamic bandwidth allocationAccess networkBandwidth allocationWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

With the soaring demand to provide global mobility for wide range of services, a growing trend for wireless access networks is to support multiple radio technologies that can be achieved efficiently by using TCP/IP protocols in the access network. In the thesis, we consider a mobile wireless access network where DiffServ is deployed as the QoS solution and Mobile IP is employed as the handover protocol. We first conducted a study on the impact of handover on DiffServ flows. Then we introduced a transient service level for handover flows and propose our QoS scheme and admission control algorithms for handover flows, which protect local flows from losing bandwidth to handover flows by separating the two flows into different service classes. We also proposed a service upgrade algorithm to upgrade the service level of handover flows based on the dynamic information of bandwidth utilization and different service upgrade priorities. To guarantee the proper provisioning for each service class, we proposed a dynamic bandwidth-provisioning algorithm that allows dynamic adjustment of bandwidth allocations to different service classes by adjusting their respective weights configured at the scheduler. We evaluated the feasibility of our QoS scheme and algorithm by simulating different handover situations and results show that the proposed scheme is viable under variety of provisioning scenarios.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 GPT0,248
Écart entre enseignants0,239 · 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.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIPv6, Mobility, Handover, Networks, SecurityTravaux en français237 207