MétaCan
Menu
Retour à la cohorte
Enregistrement W4249706777 · doi:10.32920/ryerson.14653950

REEP : a data-centric, reliable and energy-efficient routing protocol for wireless sensor networks

2021· preprint· en· W4249706777 sur OpenAlexaff
Farhana Zabin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésWireless sensor networkComputer scienceRouting protocolComputer networkWireless Routing ProtocolKey distribution in wireless sensor networksZone Routing ProtocolMobile wireless sensor networkReliability (semiconductor)Interior gateway protocolProtocol (science)Distributed computingRouting (electronic design automation)WirelessWireless networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

Recent advances in sensor technology and wireless communications have led to many new data dissemination routing protocols, especially designed for wireless sensor networks, where energy awareness is the most important consideration. The focus of this thesis is on the area of routing protocols for wireless sensor networks, especially for those applications where, the whole sensor field need to be taken under observation to detect available different types of moving objects. Besides the efficient use of limited energy, reliability is another important issue in sensor communication, where the network is susceptible to environmental factors. In this thesis, the design of a new energy-efficient data-centric routing protocol, named Reliable and Energy-Efficient Protocol (REEP), is proposed. We have used MATLAB 7.4 for our implementation. The performance of REEP has been compared with Directed Diffusion (DD) for the aforementioned sensor network application. Our simulations and experimental results show that REEP performs better than DD.

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), Communication savante, Science ouverte
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: Méthodes
Score de désaccord entre enseignants0,300
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 technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0040,014
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 Opus0,037
Tête enseignante GPT0,284
Écart entre enseignants0,247 · 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
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207