MétaCan
Menu
Retour à la cohorte
Enregistrement W4399567602 · doi:10.1145/3631726.3631731

Adaptive Virtual Carrier Sense in Underwater Broadcasting

2023· article· en· W4399567602 sur OpenAlexaff
Steven Porretta, Stéphane Blouin, Michel Barbeau, Evangelos Kranakis, Aaron Webstey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBroadcasting (networking)Sense (electronics)Computer scienceUnderwaterSense of presenceUnderwater acoustic communicationTelecommunicationsComputer networkVirtual realityElectrical engineeringHuman–computer interactionEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

The underwater acoustic communication medium introduces significant challenges that often limit communication to flooding protocols. This work presents the Network Allocation Technique in Flooding (NATFLOOD) protocol, intended for use with Underwater Acoustic Sensor Networks (UASNs). NATFLOOD applies a novel Adaptive Network Allocation Vector (ANAV) to reduce duplicates and collisions. The performance of NATFLOOD is tested in a comparative simulation against DFLOOD, a leading UASN flooding protocol. In simulation, NATFLOOD demonstrates an average reduction in duplicates and collisions of 24.29 ± 0.01% when compared to DFLOOD. This reduction is achieved by the ability of NATFLOOD to solve the broadcast problem with 19.96 ± 0.03% fewer packets than DFLOOD. This reduction is achieved with an increase to protocol completion time of 2.21 ± 0.02%.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,314
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,031
Tête enseignante GPT0,228
Écart entre enseignants0,197 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207