MétaCan
Menu
Retour à la cohorte
Enregistrement W4400453024 · doi:10.1016/j.comgeo.2024.102121

Routing on heavy path WSPD spanners

2024· article· en· W4400453024 sur OpenAlexaff
Prosenjit Bose, Tyler Tuttle

Notice bibliographique

RevueComputational Geometry · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésRouting (electronic design automation)Path (computing)Computer scienceComputer networkBusinessDistributed computing

Résumé

récupéré en direct d'OpenAlex

In this article, we present a construction of a spanner on a set of n points in Rd that we call a heavy path WSPD spanner. The construction is parameterized by a constant s>2 called the separation ratio. The size of the graph is O(sdn) and the spanning ratio is at most 1+2/s+2/(s−1). We also show that this graph has a hop spanning ratio of at most 2lg⁡n+1. We present a memoryless local routing algorithm for heavy path WSPD spanners. The routing algorithm requires a vertex v of the graph to store O(deg⁡(v)log⁡n) bits of information, where deg⁡(v) is the degree of v. The routing ratio is at most 1+4/s+1/(s−1) and at least 1+4/s in the worst case. The number of edges on the routing path is bounded by 2lg⁡n+1. We then show that the heavy path WSPD spanner can be constructed in metric spaces of bounded doubling dimension. These metric spaces have been studied in computational geometry as a generalization of Euclidean space. We show that, in a metric space with doubling dimension λ, the heavy path WSPD spanner has size O(sλn) where s is the separation ratio. The spanning ratio and hop spanning ratio are the same as in the Euclidean case. Finally, we show that the local routing algorithm works in the bounded doubling dimension case. The vertices require the same amount of storage, but the routing ratio becomes at most 1+(2+ττ−1)/s+1/(s−1) in the worst case, where τ≥11 is a constant related to the doubling dimension.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational GeometryMême sujetComputational Geometry and Mesh GenerationTravaux en français237 207