MétaCan
Menu
Back to cohort
Record W7070623845

Ordonnancement équitable dans la couche MAC avec détection multi-usagers dans les réseaux Ad hoc

2011· other· fr· W7070623845 on OpenAlexvenueno aff

Bibliographic record

VenueLibrary and Archives Canada (Government of Canada) · 2011
Typeother
Languagefr
FieldSocial Sciences
TopicPhilosophical Thought and Analysis
Canadian institutionsnot available
Fundersnot available
KeywordsNetwork routingPost hocWireless ad hoc network
DOInot available

Abstract

fetched live from OpenAlex

Les protocoles de la couche MAC dans les réseaux Ad hoc ont des contraintes inhérentes \nliées au débit et la qualité de service (QoS). Le nouveau concept, modèle de réception multiusagers \nutilise plusieurs canaux. Plusieurs transmissions peuvent être autorisées entre les noeuds et le \nnoeud peut avoir plusieurs réceptions à la fois. Cette technologie plus avancée peut de façon \nsignificative améliorer la performance d’utilisation de la bande passante. Les signaux multiples des \ndifférents mobiles peuvent être reçus en même temps, ce qui permet de réduire le délai d'un bout à \nl'autre de transfert de paquet. La réception multi usagers évite l’interférence entre les signaux reçus et \ncette caractéristique peut augmenter l'utilisation de la bande passante avec un grand facteur .Cette \ntechnologie permet d’éviter les collisions car elle peut résoudre le problème des noeuds cachés. \nL’ordonnancement équitable dans la couche MAC avec détection multi-usagers dans les \nréseaux Ad hoc peut assouplir certaines de ces contraintes et de fournir des gains importants dans le \ndébit et la qualité de Service (QoS). Ces gains peuvent être réalisés en mettant en oeuvre un \nalgorithme d’ordonnancement équitable distribués qui doit choisir l'une de plusieurs \nconfigurations de transmission possible à chaque trame. Cette fonctionnalité permet de \nformuler des différents objectifs d’ordonnancement comme la minimisation de délai ou la \nmaximisation de débit. Dans ce projet nous concentrons sur l'analyse et la comparaison des \nperformances avec différents objectifs, y compris des formulations multi-objectives. Nous \navons d'abord mis en place un modèle d'ordonnancement qui minimise le délai en utilisant \nl’algorithme ‘Start Time Fair Queuing’ (STFQ) et comparer ses performances avec des \nmodèles d’ordonnancements qui maximise le débit. Les résultats numériques montrent de la \nsouplesse et l'efficacité de l'approche proposée.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.009
Threshold uncertainty score0.021

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0030.002
Open science0.0010.002
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0060.001

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.

Opus teacher head0.012
GPT teacher head0.184
Teacher spread0.172 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2011
Admission routes1
Has abstractyes

Explore more

Same venueLibrary and Archives Canada (Government of Canada)Same topicPhilosophical Thought and AnalysisFrench-language works237,207