MétaCan
Menu
Retour à la cohorte
Enregistrement W4400395150 · doi:10.58496/bjn/2024/008

Underwater Wireless Sensors Increase Routing Performance using Impact Efficient localization-based Routing protocols

2024· article· en· W4400395150 sur OpenAlexaff
M. Venkatesan, S. Gopalakrishnan, S. Ravi Chand, M. Gopianand, S. Abirami

Notice bibliographique

RevueBabylonian Journal of Networking · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésUnderwaterComputer scienceComputer networkLink-state routing protocolDynamic Source RoutingRouting protocolZone Routing ProtocolRouting (electronic design automation)Wireless Routing ProtocolGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

The Underwater Wireless Sensor Network (UWSN) is an organization used to perform observing of errands over a particular region; it is furnished with shrewd sensors and vehicles that are adjusted to convey helpfully through wireless connections. Remote sensor networks are enormous scope networks comprised of modest, reduced sensors with immense scope energy and settling limit that might be utilized in different unpredictable circumstances under factor conditions. The use of UWSNs is growing daily due to their significant contribution to several applications, including underwater surveillance and search. Wireless sensor networks submerged in water confront unique challenges. Therefore, particular routing protocols are needed from source to destination; security concerns that should be taken into consideration by routing protocols must be addressed by many UWSN applications. The proposed routing protocols influencing IHELBRP (Impact High Efficient Localization-Based Routing Protocols) and the UWSN architectural perspective. Reviewing and examining steering conventions concerning energy consumption, packet delivery rate, and packet delivery rate is finished. The advantages and disadvantages of each steering convention are recorded. To shield the correspondence medium here, a rundown of safety needs is incorporated alongside an investigation of safety worries in UWSN.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,277
Écart entre enseignants0,248 · 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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBabylonian Journal of NetworkingMême sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207