MétaCan
Menu
Retour à la cohorte
Enregistrement W4386970185 · doi:10.17762/ijritcc.v11i8s.7202

Congestion Detection and Mitigation Technique for Multi-Hop Communication in WSN

2023· article· en· W4386970185 sur OpenAlexaff
K. Phani Rama Krishna, Habibulla Mohammad, Ch. Gangadhar, Riazuddin Mohammed

Notice bibliographique

RevueInternational Journal on Recent and Innovation Trends in Computing and Communication · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésComputer networkHop (telecommunications)Computer scienceNetwork packetNode (physics)Network congestionWireless sensor networkTransmission (telecommunications)Real-time computingTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

The primary function of a network system is to gather information from the observation region and transmit it to the base station. The network life span and congestion are the two major concerns in wireless networks. To enhance the lifespan of the sensor system; multi-hopping has been proved as best in class. Congestion is an important factor to be taken, where multiple nodes forward data to one another in the process of communication. Hence to overcome the issue of congestion in WSN, we proposed a congestion detection and mitigation method along with the multi-hop concept. In this technique, we have considered different routes among communication units that were classified on distance, relative attainment rate (RAR) and node storage occupancy. A utility function (U) has been proposed and calculated using the above illustrated factors for every node that acts as a neighbour to the transmitting node. Neighbour node with highest U-valued will be considered as the packet forwarding node's next hop. In this manner congestion free nodes are selected for data transmission.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,348
Écart entre enseignants0,297 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal on Recent and Innovation Trends in Computing and CommunicationMême sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207