CTL-Based Adaptive Service Composition in Edge Networks
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.
Notice bibliographique
Résumé
With the recent adoption of edge computing, <i>I</i> nternet of <i>T</i> hings ( <i>IoT</i> ) devices collaborate at the network edge to facilitate edge-native applications. In this setting, <i>IoT</i> devices are typically encapsulated as <i>IoT</i> services to encode their functionalities, and their collaboration is achieved through <i>IoT</i> service composition. Due to the continuous resource occupancy, release, and consumption of <i>IoT</i> devices at runtime, a composition, which is functionally compatible and non-functionally optimal at this moment, may not hold in the forthcoming time durations, when certain <i>IoT</i> services may significantly downgrade in their <i>Q</i> uality-of- <i>S</i> ervices ( <i>QoS</i> ). To guarantee the compatibility of compositions with <i>QoS</i> variations, this article proposes an adaptive composition mechanism leveraging <i>C</i> omputation <i>T</i> ree <i>L</i> ogic ( <i>CTL</i> ) specifications. Specifically, we formalize the composition as a temporal task, and convert it to <i>CTL</i> formulae with the abstractions of required functionalities and composite structures. Functional compatibility is formally interpreted by <i>CTL</i> semantics during the execution of compositions. Besides, we construct a <i>QoS</i> <i>D</i> ependency <i>G</i> raph ( <i>QoSDG</i> ) to capture <i>QoS</i> variations, and achieve adaptive composition with dynamic <i>QoS</i> satisfactions. Extensive experiments are conducted upon publicly-available datasets, and comparison results demonstrate that our technique outperforms the state-of-the-art counterparts in heterogenous scenarios with higher <i>QoS</i> dependencies ranging from 0.3 <inline-formula><tex-math notation="LaTeX">$\%$</tex-math></inline-formula> to 27.8 <inline-formula><tex-math notation="LaTeX">$\%$</tex-math></inline-formula> .
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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