《Computer Networks (fifth edition)》第三章学习小结

简介:         第三章介绍了数据链路层(The Data Link Layer),总共有六个小节,分别是:数据链路层的设计问题(Data link layer design issues),差错检测与纠正(Error detection andcorrection),简单(初级)的数据链路协议(Elementary data link protocols),滑动窗口协议(Sliding window protocols),数据链路协议的例子(Example data link protocols)和总结(Summary)。

        第三章介绍了数据链路层(The Data Link Layer),总共有六个小节,分别是:数据链路层的设计问题(Data link layer design issues),差错检测与纠正(Error detection andcorrection),简单(初级)的数据链路协议(Elementary data link protocols),滑动窗口协议(Sliding window protocols),数据链路协议的例子(Example data link protocols)和总结(Summary)。


        在3.1节(数据链路层的设计问题)中,作者介绍了设计数据链路层协议需要注意的一些问题,包括:它提供给网络层的服务(Services provided to the networklayer),框架(Framing),差错控制(Error control)和流控制(Flow control)。


        在3.2节(差错检测与纠正)中,作者介绍了差错纠正码(Error-correcting codes)和差错检测码(Error-detecting codes)。在“差错纠正码”中,又详细介绍了海明码(Hamming codes)和卷积码(Convolutional codes)。在“差错检测码”中,详细介绍了CRC(Cyclic Redundancy Check)。


        在3.3节(简单(初级)的数据链路协议)中,作者介绍了三个协议,第一个是“乌托邦”式的单一协议(A utopian simplex protocol),第二个是用于无差错信道的单一的停止等待协议(A simplex stop-and-waitprotocol for an error-free channel),第三个是用于噪声信道的单一的停止等待协议(A simplex stop-and-wait protocol for a noisy channel)。


       在3.4节(滑动窗口协议)中,作者介绍了一比特的滑动窗口协议(A one-bit sliding window protocol),使用回退N的协议(A protocol using go-back-N)和使用选择性重复的协议(A protocol using selectiverepeat)。


       在3.5节(数据链路协议的例子)中,作者列举了两个例子,第一个例子是SONET之上的包(Packet over SONET),第二个是非对称的数字用户环路(Asymmetric Digital Subscriber Loop,ADSL)。


       作者在3.6节对本章进行了总结。


       数据链路层是整个协议层次中的第二层,起到了承上启下的作用。在本章中,重点是一些特殊用途的码和相关的协议。


PS:本人邮箱zhouzxijc@gmail.com,欢迎探讨!

目录
相关文章
|
4月前
|
算法 前端开发 数据可视化
【博士每天一篇文献-综述】Brain network communication_ concepts, models and applications
本文综述了脑网络通信的概念、模型和应用,将脑网络通信模型分为扩散过程、参数模型和路由协议三大类,并探讨了这些模型在理解大脑功能、健康和疾病方面的应用,同时提出了未来研究方向和使用Brain Connectivity Toolbox等工具箱进行实际研究的指导。
44 1
【博士每天一篇文献-综述】Brain network communication_ concepts, models and applications
|
4月前
|
机器学习/深度学习 算法 网络架构
【博士每天一篇文献-算法】CircuitNet:A Generic Neural Network to Realize Universal Circuit Motif Modeling
本文介绍了CircuitNet,这是一种新型神经网络,它受到神经回路结构的启发,通过使用电路基元单元(CMUs)来模拟通用电路基元,并通过调整CMU内部权重来实现建模,在多种机器学习任务中展现出优于传统前馈网络的性能。
57 3
|
4月前
|
存储 机器学习/深度学习 算法
【博士每天一篇论文-综述】An overview of brain-like computing Architecture, applications, and future trends
本文提供了对脑科学计算的介绍,包括神经元模型、神经信息编码方式、类脑芯片技术、脑科学计算的应用领域以及面临的挑战,展望了脑科学计算的未来发展趋势。
53 0
【博士每天一篇论文-综述】An overview of brain-like computing Architecture, applications, and future trends
|
7月前
|
机器学习/深度学习 自然语言处理 对象存储
[wordpiece]论文分析:Google’s Neural Machine Translation System
[wordpiece]论文分析:Google’s Neural Machine Translation System
90 1
|
机器学习/深度学习 负载均衡 搜索推荐
【推荐系统论文精读系列】(十六)--Locally Connected Deep Learning Framework for Industrial-scale Recommender Systems
在这项工作中,我们提出了一个局部连接的深度学习框架推荐系统,该框架将DNN的模型复杂性降低了几个数量级。我们利用Wide& Deep模型的思想进一步扩展了框架。实验表明,该方法能在较短的运行时间内取得较好的效果。
141 0
【推荐系统论文精读系列】(十六)--Locally Connected Deep Learning Framework for Industrial-scale Recommender Systems
|
机器学习/深度学习 数据挖掘 计算机视觉
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章(二)
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章(二)
|
机器学习/深度学习 人工智能 编解码
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章(一)
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章(一)
|
机器学习/深度学习 文字识别 并行计算
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章(三)
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章
CV:翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章(三)
论文笔记: Dual Deep Network for Visual Tracking
论文笔记: Dual Deep Network for Visual Tracking  2017-10-17 21:57:08    先来看文章的流程吧 。。。         可以看到,作者所总结的三个点在于:   1. 文章将 边界和形状信息结合到深度网络中。
|
机器学习/深度学习 人工智能
Machine Learning学习笔记(1)Introduction
1、机器学习可以做什么? 搜索引擎、垃圾邮件过滤、人脸识别等等,不仅用于人工智能领域,生物、医疗、机械等很多领域都有应用。 2、机器学习的定义 A computer program is said to learn from experience E with respect to some task T and some performance measure P
1557 0