- home
- Advanced Search
Filters
Access
Type
Year range
-chevron_right GO- This year
- Last 5 years
- Last 10 years
Field of Science
SDG [Beta]
Country
Source
Research community
Organization
- Energy Research
- Energy Research
description Publicationkeyboard_double_arrow_right Article , Journal , Other literature type 2020 CyprusPublisher:MDPI AG Authors: Muhammad Shuaib Qureshi; Muhammad Bilal Qureshi; Muhammad Fayaz; Muhammad Zakarya; +2 AuthorsMuhammad Shuaib Qureshi; Muhammad Bilal Qureshi; Muhammad Fayaz; Muhammad Zakarya; Sheraz Aslam; Asadullah Shah;doi: 10.3390/en13215706
handle: 20.500.14279/23100
Cloud computing is the de facto platform for deploying resource- and data-intensive real-time applications due to the collaboration of large scale resources operating in cross-administrative domains. For example, real-time systems are generated by smart devices (e.g., sensors in smart homes that monitor surroundings in real-time, security cameras that produce video streams in real-time, cloud gaming, social media streams, etc.). Such low-end devices form a microgrid which has low computational and storage capacity and hence offload data unto the cloud for processing. Cloud computing still lacks mature time-oriented scheduling and resource allocation strategies which thoroughly deliberate stringent QoS. Traditional approaches are sufficient only when applications have real-time and data constraints, and cloud storage resources are located with computational resources where the data are locally available for task execution. Such approaches mainly focus on resource provision and latency, and are prone to missing deadlines during tasks execution due to the urgency of the tasks and limited user budget constraints. The timing and data requirements exacerbate the efficient task scheduling and resource allocation problems. To cope with the aforementioned gaps, we propose a time- and cost-efficient resource allocation strategy for smart systems that periodically offload computational and data-intensive load to the cloud. The proposed strategy minimizes the data files transfer overhead to computing resources by selecting appropriate pairs of computing and storage resources. The celebrated results show the effectiveness of the proposed technique in terms of resource selection and tasks processing within time and budget constraints when compared with the other counterparts.
Energies arrow_drop_down EnergiesOther literature type . 2020License: CC BYFull-Text: http://www.mdpi.com/1996-1073/13/21/5706/pdfData sources: Multidisciplinary Digital Publishing Instituteadd ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.3390/en13215706&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euAccess RoutesGreen gold 7 citations 7 popularity Top 10% influence Average impulse Top 10% Powered by BIP!
more_vert Energies arrow_drop_down EnergiesOther literature type . 2020License: CC BYFull-Text: http://www.mdpi.com/1996-1073/13/21/5706/pdfData sources: Multidisciplinary Digital Publishing Instituteadd ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.3390/en13215706&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eudescription Publicationkeyboard_double_arrow_right Article , Other literature type , Journal 2020Publisher:Institute of Electrical and Electronics Engineers (IEEE) Hashim Ali; Muhammad Shuaib Qureshi; Muhammad Bilal Qureshi; Ayaz Ali Khan; Muhammad Zakarya; Muhammad Fayaz;Les centres de données fournissent les bases de l'informatique en nuage, mais nécessitent de grandes quantités d'électricité pour leur fonctionnement. Les approches qui promettent de réduire la consommation d'énergie en minimisant le temps d'exécution, par exemple en utilisant différentes techniques de planification et de gestion des ressources, sont discutées dans la littérature. Cet article résume certaines des techniques de planification les plus importantes dans les nuages axées sur la consommation d'énergie, couvrant la planification au niveau des machines virtuelles, des hôtes et des tâches, l'approche la plus prometteuse étant la planification au niveau des tâches, avec des économies d'énergie grâce au filtrage de la charge, à la consolidation, au débit CPU adapté ou au contrôle de la puissance de l'hôte. Nous explorons l'utilisation des algorithmes de monotonie de débit (RM) et de remblayage pour l'ordonnancement des tâches en temps réel dans un environnement cloud, car la RM est la technique d'ordonnancement à priorité fixe la plus simple, et donc le choix pour les systèmes modernes en temps réel, et les utilisations antérieures de la RM dans l'ordonnancement des tâches ont démontré une efficacité énergétique avec des résultats optimaux. Nous considérons spécifiquement la planification des tâches en fonction des délais pour les nuages en temps réel qui, à notre connaissance, n'ont pas été utilisés auparavant. La MP avec remblayage est évaluée expérimentalement et les résultats montrent que, par rapport aux algorithmes classiques, toutes les tâches ont été planifiées avec une consommation d'énergie minimale (5,5% – 29,3%), sur des ressources minimales (3,9% – 25,2% de moins) tandis que la majorité respectaient leurs délais (93,21% – 94,7%). L'approche peut garantir un logiciel en tant que service (SaaS) axé sur les délais dans le cloud si le taux d'arrivée, c'est-à-dire le temps de transfert du réseau, peut être estimé à l'avance. Nous avons par la suite fourni une extension de l'approche proposée à l'équilibrage de charge basé sur les tâches pour une utilisation des ressources presque équilibrée et une efficacité énergétique d'environ 1,0 % à 1,6 %. Los centros de datos proporcionan las bases para la computación en la nube, pero requieren grandes cantidades de electricidad para su funcionamiento. Los enfoques que prometen reducir el uso de energía al minimizar el tiempo de ejecución, por ejemplo, utilizando diferentes técnicas de programación y gestión de recursos, se discuten en la literatura. Este documento resume algunas de las técnicas de programación más importantes en las nubes que se centran en el consumo de energía, cubriendo la programación a nivel de máquina virtual, a nivel de host y a nivel de tarea, donde el enfoque más prometedor es la programación a nivel de tarea, con ahorros de energía por medio de filtrado de carga, consolidación, rendimiento de CPU adaptado o control de potencia del host. Exploramos el uso de los algoritmos de tasa monótona (RM) y de relleno para la programación de tareas en tiempo real en el entorno de la nube porque la RM es la técnica de programación de prioridad fija más simple y, por lo tanto, la elección para los sistemas modernos en tiempo real, y los usos anteriores de la RM en la programación de tareas han demostrado eficiencia energética con resultados óptimos. Consideramos específicamente la programación de tareas basada en plazos para nubes en tiempo real que, a nuestro leal saber y entender, no se han empleado anteriormente. La RM con relleno se evalúa experimentalmente y los resultados muestran que, en comparación con los algoritmos clásicos, todas las tareas se programaron con un consumo mínimo de energía (5.5% – 29.3%), con recursos mínimos (3.9% – 25.2% menos) mientras que la mayoría cumplía con sus plazos (93.21% – 94.7%). El enfoque puede garantizar un software como servicio (SaaS) orientado a plazos en la nube si la tasa de llegada, es decir, el tiempo de transferencia de la red, se puede estimar por adelantado. Posteriormente, proporcionamos una extensión del enfoque propuesto para el equilibrio de carga basado en tareas para una utilización de recursos casi equilibrada y una eficiencia energética de aproximadamente 1.0% a 1.6%. Datacentres provide the foundations for cloud computing, but require large amounts of electricity for their operation. Approaches that promise to reduce power use by minimizing execution time, for example using different scheduling and resource management techniques, are discussed in the literature. This paper summarizes some of the most important scheduling techniques in clouds focusing on power consumption, covering VM-level, host-level and task-level scheduling where the most promising approach is task level scheduling, with energy savings by means of load filtering, consolidation, adapted CPU throughput, or host power control. We explore use of the rate monotonic (RM) and backfilling algorithms for real-time task scheduling in cloud environment because RM is the simplest fixed priority scheduling technique, and thus the choice for modern real-time systems, and prior uses of RM in task scheduling have demonstrated power efficiency with optimal results. We specifically consider deadline-based tasks scheduling for real-time clouds which, to the best of our knowledge, has not been employed previously. RM with backfilling is experimentally evaluated and results show that, compared to the classical algorithms, all tasks were scheduled with minimum power consumption (5.5% – 29.3%), on minimum resources (3.9% – 25.2% less) while majority were meeting their deadlines (93.21% – 94.7%). The approach can guarantee deadline oriented Software as a Service (SaaS) in cloud if arrival rate i.e. network transfer time can be estimated in advance. We subsequently provided an extension of the proposed approach to task-based load balancing for almost balanced resource utilization and approximately 1.0% to 1.6% energy efficiency. توفر مراكز البيانات الأسس للحوسبة السحابية، ولكنها تتطلب كميات كبيرة من الكهرباء لتشغيلها. تتم مناقشة الأساليب التي تعد بتقليل استخدام الطاقة من خلال تقليل وقت التنفيذ، على سبيل المثال باستخدام تقنيات الجدولة وإدارة الموارد المختلفة، في الأدبيات. تلخص هذه الورقة بعضًا من أهم تقنيات الجدولة في السحب التي تركز على استهلاك الطاقة، وتغطي الجدولة على مستوى الجهاز الافتراضي ومستوى المضيف ومستوى المهام حيث يكون النهج الواعد هو جدولة مستوى المهمة، مع توفير الطاقة عن طريق تصفية الحمل أو الدمج أو إنتاجية وحدة المعالجة المركزية المعدلة أو التحكم في طاقة المضيف. نستكشف استخدام خوارزميات المعدل الرتيب (RM) والردم لجدولة المهام في الوقت الفعلي في البيئة السحابية لأن RM هي أبسط تقنية جدولة ذات أولوية ثابتة، وبالتالي فإن اختيار الأنظمة الحديثة في الوقت الفعلي، والاستخدامات السابقة لـ RM في جدولة المهام أثبتت كفاءة الطاقة مع النتائج المثلى. نحن نأخذ في الاعتبار على وجه التحديد جدولة المهام القائمة على الموعد النهائي للسحابات في الوقت الفعلي والتي، على حد علمنا، لم يتم توظيفها سابقًا. يتم تقييم إدارة المخاطر مع الردم تجريبيًا وتظهر النتائج أنه مقارنة بالخوارزميات الكلاسيكية، تمت جدولة جميع المهام مع الحد الأدنى من استهلاك الطاقة (5.5 ٪ – 29.3 ٪)، على الحد الأدنى من الموارد (3.9 ٪ – 25.2 ٪ أقل) في حين أن الغالبية كانت تفي بالمواعيد النهائية (93.21 ٪ – 94.7 ٪). يمكن أن يضمن النهج البرامج الموجهة نحو الموعد النهائي كخدمة (SaaS) في السحابة إذا كان من الممكن تقدير معدل الوصول، أي وقت نقل الشبكة مسبقًا. قدمنا لاحقًا امتدادًا للنهج المقترح لموازنة الحمل القائم على المهام من أجل استخدام الموارد بشكل متوازن تقريبًا ونحو 1.0 ٪ إلى 1.6 ٪ من كفاءة الطاقة.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.1109/access.2020.3020843&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euAccess Routesgold 12 citations 12 popularity Top 10% influence Average impulse Top 10% Powered by BIP!
more_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.1109/access.2020.3020843&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu
description Publicationkeyboard_double_arrow_right Article , Journal , Other literature type 2020 CyprusPublisher:MDPI AG Authors: Muhammad Shuaib Qureshi; Muhammad Bilal Qureshi; Muhammad Fayaz; Muhammad Zakarya; +2 AuthorsMuhammad Shuaib Qureshi; Muhammad Bilal Qureshi; Muhammad Fayaz; Muhammad Zakarya; Sheraz Aslam; Asadullah Shah;doi: 10.3390/en13215706
handle: 20.500.14279/23100
Cloud computing is the de facto platform for deploying resource- and data-intensive real-time applications due to the collaboration of large scale resources operating in cross-administrative domains. For example, real-time systems are generated by smart devices (e.g., sensors in smart homes that monitor surroundings in real-time, security cameras that produce video streams in real-time, cloud gaming, social media streams, etc.). Such low-end devices form a microgrid which has low computational and storage capacity and hence offload data unto the cloud for processing. Cloud computing still lacks mature time-oriented scheduling and resource allocation strategies which thoroughly deliberate stringent QoS. Traditional approaches are sufficient only when applications have real-time and data constraints, and cloud storage resources are located with computational resources where the data are locally available for task execution. Such approaches mainly focus on resource provision and latency, and are prone to missing deadlines during tasks execution due to the urgency of the tasks and limited user budget constraints. The timing and data requirements exacerbate the efficient task scheduling and resource allocation problems. To cope with the aforementioned gaps, we propose a time- and cost-efficient resource allocation strategy for smart systems that periodically offload computational and data-intensive load to the cloud. The proposed strategy minimizes the data files transfer overhead to computing resources by selecting appropriate pairs of computing and storage resources. The celebrated results show the effectiveness of the proposed technique in terms of resource selection and tasks processing within time and budget constraints when compared with the other counterparts.
Energies arrow_drop_down EnergiesOther literature type . 2020License: CC BYFull-Text: http://www.mdpi.com/1996-1073/13/21/5706/pdfData sources: Multidisciplinary Digital Publishing Instituteadd ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.3390/en13215706&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euAccess RoutesGreen gold 7 citations 7 popularity Top 10% influence Average impulse Top 10% Powered by BIP!
more_vert Energies arrow_drop_down EnergiesOther literature type . 2020License: CC BYFull-Text: http://www.mdpi.com/1996-1073/13/21/5706/pdfData sources: Multidisciplinary Digital Publishing Instituteadd ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.3390/en13215706&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eudescription Publicationkeyboard_double_arrow_right Article , Other literature type , Journal 2020Publisher:Institute of Electrical and Electronics Engineers (IEEE) Hashim Ali; Muhammad Shuaib Qureshi; Muhammad Bilal Qureshi; Ayaz Ali Khan; Muhammad Zakarya; Muhammad Fayaz;Les centres de données fournissent les bases de l'informatique en nuage, mais nécessitent de grandes quantités d'électricité pour leur fonctionnement. Les approches qui promettent de réduire la consommation d'énergie en minimisant le temps d'exécution, par exemple en utilisant différentes techniques de planification et de gestion des ressources, sont discutées dans la littérature. Cet article résume certaines des techniques de planification les plus importantes dans les nuages axées sur la consommation d'énergie, couvrant la planification au niveau des machines virtuelles, des hôtes et des tâches, l'approche la plus prometteuse étant la planification au niveau des tâches, avec des économies d'énergie grâce au filtrage de la charge, à la consolidation, au débit CPU adapté ou au contrôle de la puissance de l'hôte. Nous explorons l'utilisation des algorithmes de monotonie de débit (RM) et de remblayage pour l'ordonnancement des tâches en temps réel dans un environnement cloud, car la RM est la technique d'ordonnancement à priorité fixe la plus simple, et donc le choix pour les systèmes modernes en temps réel, et les utilisations antérieures de la RM dans l'ordonnancement des tâches ont démontré une efficacité énergétique avec des résultats optimaux. Nous considérons spécifiquement la planification des tâches en fonction des délais pour les nuages en temps réel qui, à notre connaissance, n'ont pas été utilisés auparavant. La MP avec remblayage est évaluée expérimentalement et les résultats montrent que, par rapport aux algorithmes classiques, toutes les tâches ont été planifiées avec une consommation d'énergie minimale (5,5% – 29,3%), sur des ressources minimales (3,9% – 25,2% de moins) tandis que la majorité respectaient leurs délais (93,21% – 94,7%). L'approche peut garantir un logiciel en tant que service (SaaS) axé sur les délais dans le cloud si le taux d'arrivée, c'est-à-dire le temps de transfert du réseau, peut être estimé à l'avance. Nous avons par la suite fourni une extension de l'approche proposée à l'équilibrage de charge basé sur les tâches pour une utilisation des ressources presque équilibrée et une efficacité énergétique d'environ 1,0 % à 1,6 %. Los centros de datos proporcionan las bases para la computación en la nube, pero requieren grandes cantidades de electricidad para su funcionamiento. Los enfoques que prometen reducir el uso de energía al minimizar el tiempo de ejecución, por ejemplo, utilizando diferentes técnicas de programación y gestión de recursos, se discuten en la literatura. Este documento resume algunas de las técnicas de programación más importantes en las nubes que se centran en el consumo de energía, cubriendo la programación a nivel de máquina virtual, a nivel de host y a nivel de tarea, donde el enfoque más prometedor es la programación a nivel de tarea, con ahorros de energía por medio de filtrado de carga, consolidación, rendimiento de CPU adaptado o control de potencia del host. Exploramos el uso de los algoritmos de tasa monótona (RM) y de relleno para la programación de tareas en tiempo real en el entorno de la nube porque la RM es la técnica de programación de prioridad fija más simple y, por lo tanto, la elección para los sistemas modernos en tiempo real, y los usos anteriores de la RM en la programación de tareas han demostrado eficiencia energética con resultados óptimos. Consideramos específicamente la programación de tareas basada en plazos para nubes en tiempo real que, a nuestro leal saber y entender, no se han empleado anteriormente. La RM con relleno se evalúa experimentalmente y los resultados muestran que, en comparación con los algoritmos clásicos, todas las tareas se programaron con un consumo mínimo de energía (5.5% – 29.3%), con recursos mínimos (3.9% – 25.2% menos) mientras que la mayoría cumplía con sus plazos (93.21% – 94.7%). El enfoque puede garantizar un software como servicio (SaaS) orientado a plazos en la nube si la tasa de llegada, es decir, el tiempo de transferencia de la red, se puede estimar por adelantado. Posteriormente, proporcionamos una extensión del enfoque propuesto para el equilibrio de carga basado en tareas para una utilización de recursos casi equilibrada y una eficiencia energética de aproximadamente 1.0% a 1.6%. Datacentres provide the foundations for cloud computing, but require large amounts of electricity for their operation. Approaches that promise to reduce power use by minimizing execution time, for example using different scheduling and resource management techniques, are discussed in the literature. This paper summarizes some of the most important scheduling techniques in clouds focusing on power consumption, covering VM-level, host-level and task-level scheduling where the most promising approach is task level scheduling, with energy savings by means of load filtering, consolidation, adapted CPU throughput, or host power control. We explore use of the rate monotonic (RM) and backfilling algorithms for real-time task scheduling in cloud environment because RM is the simplest fixed priority scheduling technique, and thus the choice for modern real-time systems, and prior uses of RM in task scheduling have demonstrated power efficiency with optimal results. We specifically consider deadline-based tasks scheduling for real-time clouds which, to the best of our knowledge, has not been employed previously. RM with backfilling is experimentally evaluated and results show that, compared to the classical algorithms, all tasks were scheduled with minimum power consumption (5.5% – 29.3%), on minimum resources (3.9% – 25.2% less) while majority were meeting their deadlines (93.21% – 94.7%). The approach can guarantee deadline oriented Software as a Service (SaaS) in cloud if arrival rate i.e. network transfer time can be estimated in advance. We subsequently provided an extension of the proposed approach to task-based load balancing for almost balanced resource utilization and approximately 1.0% to 1.6% energy efficiency. توفر مراكز البيانات الأسس للحوسبة السحابية، ولكنها تتطلب كميات كبيرة من الكهرباء لتشغيلها. تتم مناقشة الأساليب التي تعد بتقليل استخدام الطاقة من خلال تقليل وقت التنفيذ، على سبيل المثال باستخدام تقنيات الجدولة وإدارة الموارد المختلفة، في الأدبيات. تلخص هذه الورقة بعضًا من أهم تقنيات الجدولة في السحب التي تركز على استهلاك الطاقة، وتغطي الجدولة على مستوى الجهاز الافتراضي ومستوى المضيف ومستوى المهام حيث يكون النهج الواعد هو جدولة مستوى المهمة، مع توفير الطاقة عن طريق تصفية الحمل أو الدمج أو إنتاجية وحدة المعالجة المركزية المعدلة أو التحكم في طاقة المضيف. نستكشف استخدام خوارزميات المعدل الرتيب (RM) والردم لجدولة المهام في الوقت الفعلي في البيئة السحابية لأن RM هي أبسط تقنية جدولة ذات أولوية ثابتة، وبالتالي فإن اختيار الأنظمة الحديثة في الوقت الفعلي، والاستخدامات السابقة لـ RM في جدولة المهام أثبتت كفاءة الطاقة مع النتائج المثلى. نحن نأخذ في الاعتبار على وجه التحديد جدولة المهام القائمة على الموعد النهائي للسحابات في الوقت الفعلي والتي، على حد علمنا، لم يتم توظيفها سابقًا. يتم تقييم إدارة المخاطر مع الردم تجريبيًا وتظهر النتائج أنه مقارنة بالخوارزميات الكلاسيكية، تمت جدولة جميع المهام مع الحد الأدنى من استهلاك الطاقة (5.5 ٪ – 29.3 ٪)، على الحد الأدنى من الموارد (3.9 ٪ – 25.2 ٪ أقل) في حين أن الغالبية كانت تفي بالمواعيد النهائية (93.21 ٪ – 94.7 ٪). يمكن أن يضمن النهج البرامج الموجهة نحو الموعد النهائي كخدمة (SaaS) في السحابة إذا كان من الممكن تقدير معدل الوصول، أي وقت نقل الشبكة مسبقًا. قدمنا لاحقًا امتدادًا للنهج المقترح لموازنة الحمل القائم على المهام من أجل استخدام الموارد بشكل متوازن تقريبًا ونحو 1.0 ٪ إلى 1.6 ٪ من كفاءة الطاقة.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.1109/access.2020.3020843&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euAccess Routesgold 12 citations 12 popularity Top 10% influence Average impulse Top 10% Powered by BIP!
more_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://beta.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.1109/access.2020.3020843&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu