MétaCan
Menu
Retour à la cohorte
Enregistrement W4311356845 · doi:10.18280/mmep.090509

Simulator for Scheduling Real-Time Systems with Reduced Power Consumption

2022· article· en· W4311356845 sur OpenAlexvenueno aff
Hakeem Al-Fareed, Omar Alghamdi, Abdulaziz Alshuraya, Majed Alqahtani, Saud Alwasfer, Ahmed Aljomea, Atta Rahman, Sumayh S. Aljameel, Gomathi Krishnasamy

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueReal-Time Systems Scheduling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScheduling (production processes)Power consumptionReal-time computingSoftwareEmbedded systemPower demandEnergy consumptionGreen computingDistributed computingPower (physics)Operating systemEngineeringElectrical engineeringCloud computing

Résumé

récupéré en direct d'OpenAlex

Optimum resources utilization in computing devices especially power is among the prime areas of research from the very beginning of computer systems. However, its importance in the current era has been significantly increased due to the diverse nature of devices and their real time applications. On the other hand, paradigm is shifting towards sustainable resources that are green/environment friendly (low emission) in nature and produce relatively low energy/power. Real time systems (RTS) are relatively power-hungry due to their time constrained nature. So, there is room to investigate the scheduling algorithms (schedulers) with minimum (low) power consumption. On the other hand simulators are the software that mimic the real time environment for various parameter testing without actual implementation that could be costly as well as complex to build in the beginning. In this study, we are intended to develop a simulator for scheduling Real-Time Systems (RTS) with Reduced Power Consumptions (RPC). That is potentially an environment where various algorithms can be tested over different case studies to examine their performance pertaining RPC for RTS.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,022
Tête enseignante GPT0,216
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetReal-Time Systems SchedulingTravaux en français237 207