MétaCan
Menu
Retour à la cohorte
Enregistrement W4390189735 · doi:10.1109/milcom58377.2023.10356285

IoT in Coalition Federated Operations: Multi-National C2 Integration and Technical Interoperability Experiments

2023· article· en· W4390189735 sur OpenAlexaff
Marco Manso, Fernando Freire, Janusz Furlak, Bárbara Guerra, James Michaelis, Daniel Ota, R. W. Claus, Niranjan Suri, Roberto Fronteddu, Edoardo Di, Konrad Wrona, Emil P. Andersen, Frank T. Johnsen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpportunistic and Delay-Tolerant Networks
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityComputer scienceExploitSituation awarenessInternet of ThingsDomain (mathematical analysis)Task (project management)Computer securityWorld Wide WebSystems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The Internet of Things (IoT) is an emerging and disruptive technology in the military domain. Military technology innovators can exploit the IoT world to promote information superiority in the battlespace through novel and abundant sensory capabilities. Our research was conducted as part of the NATO research task group IST-176 on "Federated Interoperability of Military C2 and IoT Systems" to investigate how IoT data can be ingested into C2 systems in a federated coalition operation. Our approach leverages industrial standard protocols and formats, while including optional fields to convey military-specific unit information along with IoT sensor data. Our experiments demonstrate and validate the approach in which systems from different nations are connected in a federated environment, delivering a high success rate in message delivery and enabling a consistent display of the situational picture across different C2 systems. The results of the experiments demonstrate the feasibility of integrating IoT information in a military information flow, to support collective C2.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,341
Écart entre enseignants0,256 · 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'étudeExpérimental (laboratoire)
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 sujetOpportunistic and Delay-Tolerant NetworksTravaux en français237 207