A Flexible Transformer Q-Network for Energy-Aware WSN Scheduling
Notice bibliographique
Résumé
Wireless Sensor Networks (WSNs) are finding more and more applications in various fields including environmental monitoring, healthcare, industrial automation as well as smart cities, because of the capability to sense, process, and transmit information in real time. WSNs have a number of challenges, which are related to its disadvantages, such as low energy capacity of sensor nodes, inconsistent delays in communication, and changing workloads. Task scheduling is also important in solving these predicaments as it maintains efficient sensing, computation, and communication task allocation without depleting network energy resources. Nonetheless, traditional scheduling strategies usually have difficulties with adapting to the dynamic environment, which results in the situation of premature loss of energy, unequal workload distribution, and shortened network lifetime. A Coupled Flexible Q-value Normalized Transformer Neural Network (CoupFQ-NTNN) is proposed to address the constraints and mitigate the drawbacks through energy-conscious task scheduling. This architecture combines reinforcement learning with Transformer architecture, with normalized Q-values that stabilize the decision-making process and a mechanism of attention that learns and memorizes the intricate relationships between tasks and nodes. Moreover, Cleaner Fish Optimization (CFO) is also used to optimize the scheduling decisions and reach a balance between global exploration and local exploitation. The proposed CoupFQNTNN framework has better performance, node energy consumption of 0.82 J, task completion rate of 99.8, latency of 12 ms, throughput of 98.7% and accuracy of 99.9%, and it is better in terms of performance compared to the existing task scheduling methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».