Scalable and robust fog-computing design & dimensioning in dynamic, trustless smart cities
Bibliographic record
Abstract
Le concept de Ville Intelligent concerne l’interconnectivité totale de plusieurs industries vers l’amélioration des modes de vie des résidents. Ceci est rendu possible par la croissance et l'utilisation généralisée de l'Internet des objets (IoT), un vaste réseau de dispositifs de collecte de données répartis dans de multiples applications. Cependant, la plupart des appareils IoT disposent de peu de ressources et s'appuient sur des serveurs externes pour traiter et stocker les données collectées. En raison de la congestion et de la distance élevées, les centres de données Nuage (Cloud) peuvent entraîner une latence élevée dans leur réponse IoT, ce qui peut être inacceptable dans certaines applications IoT. Au lieu de cela, l'informatique Brouillard (fog-computing) a été proposé comme une couche hétérogène hautement virtualisée de serveurs à la périphérie du réseau, ce qui permet un traitement des données IoT à faible latence. Les contributions actuelles au brouillard informatique supposent qu'une infrastructure de brouillard est déjà en place. De plus, chaque contribution nécessite des caractéristiques différentes sur l’infrastructure du brouillard. Cette thèse formule un schéma de conception et de dimensionnement évolutif et modifiable pour une infrastructure de brouillard généralisée. Ceci est modélisé et résolu sous la forme d'un programme linéaire à nombres entiers mixtes (MILP), et détendu à l'aide de plusieurs techniques telles que la génération de colonnes et la décomposition de Benders. De nombreuses préoccupations concernant les performances du réseau brouillard sont prises en compte et résolues, telles que le trafic IoT élevé, la congestion du réseau et les dysfonctionnements des nœuds brouillard. Les nœuds de brouillard dynamiques, tels que les nœuds de brouillard à la demande et les véhicules aériens sans pilote mobiles (UAV-brouillard) sont intégrés dans les modèles de conception et de dimensionnement actuels pour ajouter de la flexibilité et de la robustesse au réseau. Un système basé sur la blockchain et des preuves de connaissance nulle est introduit pour renforcer l'intégrité des nœuds de brouillard. Le résultat est un schéma de conception et de dimensionnement évolutif pour une infrastructure de brouillard robuste, flexible et fiable dans un environnement de brouillard-IoT dynamique et malveillant.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".