MétaCan
Menu
Retour à la cohorte
Enregistrement W4405935221 · doi:10.23919/cnsm62983.2024.10814631

Enabling Quality-on-Demand and Service Differentiation on a Novel Network-as-a-Service Platform Using Slicing Technology for Control and Management of Optical Networks

2024· article· en· W4405935221 sur OpenAlexaff
Hesam Rahimi, Lluís Gifre, Ricard Vilalta, Raül Muñoz, Henry Yu, Yanpeng Wang, Ruilin Cai, C. Janz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésSlicingComputer scienceQuality of serviceControl (management)Service (business)Service managementComputer networkBusinessWorld Wide WebMarketingArtificial intelligenceSupply chain management

Résumé

récupéré en direct d'OpenAlex

This paper presents a comprehensive Network-as-a-Service (NaaS) platform designed to enhance the deployment and management of all-optical access and transport networks. We demonstrate our platform with a use-case of cloud-based AR/VR gaming service that requires high bandwidth and ultra-low latency, through the slicing of Passive Optical Network (PON) and optical transport network. Building on our previous work that detailed the overall architecture of our solution and the fine-grain Optical Transport Network (fgOTN) technology, this paper introduces the novel aspect of automated PON slicing, achieving a fully end-to-end solution. Leveraging ETSI F5G and ETSI ZSM standards and integrating with ETSI TeraFlowSDN and ETSI Open-Source MANO (OSM) for orchestration and management, our platform offers a seamless and immersive experience for latency-sensitive applications.

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: aucune
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,911

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,024
Tête enseignante GPT0,274
Écart entre enseignants0,251 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Optical Network TechnologiesTravaux en français237 207