Métriques de routage dans les réseaux maillés sans fil
Bibliographic record
Abstract
Ces dernières années, les technologies sans fil ont connu un essor\nfulgurant. Elles ont permis la mise en place de réseaux sans fil à hautes\nperformances. Les réseaux maillées sans fil (RMSF) sont une nouvelle génération\nde réseaux sans fil qui offrent des débits élevés par rapport aux réseaux Wi-Fi\n(Wireless Fidelity) classiques et aux réseaux ad-hoc. Ils présentent de nombreux\navantages telles que leur forte tolérance aux pannes, leur robustesse, leur faible\ncoût etc. Les routeurs des RMSF peuvent disposer de plusieurs interfaces radio et\nchaque interface peut opérer sur plusieurs canaux distincts, c’est des RMSF\nmultiples-radios, multiples-canaux. Ce type de réseau peut accroître de manière\nconsidérable les performances des RMSF. Cependant plusieurs problèmes\nsubsistent et doivent être résolus notamment celui du routage.\n Le routage dans les RMSF demeure un défi majeur. Le but des protocoles\nde routage est de trouver les meilleures routes i.e. des routes qui maximisent les\ndébits et minimisent les délais, lors de l’acheminement du trafic. La qualité des\nroutes dans les RMSF peut être fortement affectée par les interférences, les\ncollisions, les congestions etc. Alors les protocoles doivent être en mesure de\ndétecter ces problèmes pour pouvoir en tenir compte lors de la sélection des\nroutes. Plusieurs études ont été dédiées aux métriques et aux protocoles de routage\ndans les RMSF afin de maximiser les performances de celles ci. Mais la plupart ne\nprennent pas en considération toutes les contraintes telles que les interférences, le\nproblème des stations cachées etc. Ce mémoire propose une nouvelle métrique de\nroutage pour RMSF.\n Nous avons mis en place une nouvelle métrique de routage pour RMSF\nappelée MBP (Metric Based on Probabilities). Cette métrique est destinée aux\nRMSF mono-radio ou multiples-radios. Elle permet d’éviter les routes à forte\n ii\ninterférence. Les résultats des simulations ont montré que MBP présente des\naméliorations par rapport à certaines métriques : ETT, WCETT et iAWARE qui\nsont connues dans le domaine.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.047 | 0.021 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".