文献

J-GLOBAL ID：201802234159423287   整理番号：18A0942760

配置グラフのG-良隣接条件付き診断可能性【JST・京大機械翻訳】

The $g$ -Good-Neighbor Conditional Diagnosability of Arrangement Graphs

著者 (4件)： Lin Limei (School of Mathematics and Computer Science) ,  Xu Li (School of Mathematics and Computer Science) ,  Wang Dajin (Department of Computer Science, Montclair State University, Upper Montclair, NJ) ,  Zhou Shuming (School of Mathematics and Computer Science)
資料名： IEEE Transactions on Dependable and Secure Computing  (IEEE Transactions on Dependable and Secure Computing)
巻： 15  号： 3  ページ： 542-548  発行年： 2018年 
JST資料番号： W1410A  ISSN： 1545-5971  CODEN： ITDSCM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワークの診断可能性は,故障頂点の最大数であり,ネットワークは,頂点間の相互試験を実行することにより,単独で識別することができる。それはネットワークのロバスト性の重要な測度である。ネットワークの最小次数によって制限されるので,いかなる条件もないオリジナルの診断可能性はしばしば低い。いくつかの条件付き診断可能性は,許容される故障頂点を増加させるために過去に提案されており,したがって,ネットワークの診断可能性を強化している。g-good近傍条件付き診断可能性は故障頂点の最大数である。ネットワークは,あらゆる故障のない頂点が少なくともgの故障のない近傍(すなわち,良い近傍)を持つという条件の下で,同定を保証することができる。本論文において,著者らは(n,k)配置グラフネットワークA_n,kに対するg-good-近傍条件付き診断可能性を確立した。著者らは,PMCモデルと比較モデルの両方の下で,A_n,k’s g-good-近傍条件付き診断可能性が[(g+1)k-g](n-k)であることを示した。それはA_n,k’sオリジナル診断可能性より数倍高い。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 測度 ,  故障 ,  ネットワーク ,  *グラフ ,  ロバスト性
準シソーラス用語： グラフネットワーク ,  近傍 ,  次数 , 【Automatic Indexing@JST】

分類 (4件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： グラフ ,  診断 ,  可能性