MétaCan
Menu
Retour à la cohorte
Enregistrement W4323645954 · doi:10.1109/fnwf55208.2022.00091

On Crossover Distance for Optical Wireless Satellite Networks and Optical Fiber Terrestrial Networks

2022· article· en· W4323645954 sur OpenAlexaff
Aizaz U. Chaudhry, Halim Yanıkömeroğlu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCrossoverSatelliteLatency (audio)Computer scienceTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Optical wireless satellite networks (OWSNs) can provide lower latency data communications compared to optical fiber terrestrial networks (OFTNs). The crossover function enables to calculate the crossover distance for an OWSN and an OFTN. If the distance between two points on Earth is greater than the crossover distance, then switching or crossing over from the OFTN to the OWSN results in lower latency for data communications between these points. In this work, we extend the previously proposed crossover function for a scenario such that intermediate satellites (or hops) are incorporated between ingress and egress satellites in the OWSN for a more realistic calculation of the crossover distance in this scenario. We consider different OWSNs with different satellite altitudes and different OFTNs with different optical fiber refractive indexes, and we study the effect of the number of hops on the crossover distance and length of a laser inter-satellite link (LISL). It is observed from the numerical results that the crossover distance increases with an increase in the number of hops, and this increase is higher at higher satellite altitudes in OWSNs and lower refractive indexes in OFTNs. Furthermore, an inverse relationship between the crossover distance and length of a LISL is observed. With an increase in the number of hops, the length of a LISL decreases as opposed to the crossover distance.

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)0,005
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,225 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSatellite Communication SystemsTravaux en français237 207