《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
|
机器学习/深度学习 人工智能 搜索推荐
cs224w(图机器学习)2021冬季课程学习笔记1 Introduction; Machine Learning for Graphs
cs224w(图机器学习)2021冬季课程学习笔记1 Introduction; Machine Learning for Graphs
cs224w(图机器学习)2021冬季课程学习笔记1 Introduction; Machine Learning for Graphs
|
机器学习/深度学习 数据挖掘 异构计算
cs224w(图机器学习)2021冬季课程学习笔记10 Applications of Graph Neural Networks
cs224w(图机器学习)2021冬季课程学习笔记10 Applications of Graph Neural Networks
cs224w(图机器学习)2021冬季课程学习笔记10 Applications of Graph Neural Networks
|
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。
108 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 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)
|
算法
吴恩达《Machine Learning Yearning》总结(31-40章)
31.解读学习曲线:其他情况 下图反映了高方差,通过增加数据集可以改善。 下图反映了高偏差和高方差,需要找到一种方法来同时减少方差和偏差。 32.绘制学习曲线 情况:当数据集非常小时,比如只有100个样本,这时绘制出来的学习曲线可能噪声非常大。
1209 0
|
算法 语音技术
吴恩达《Machine Learning Yearning》总结(21-30章)
21.偏差和方差举例 前提:对于人类而言,可以达到近乎完美的表现(即人类去做分类是误差可以接近0)。 (1)假设算法的表现如下:训练误差率:1%,开发误差率:11%;此时即为高方差(high variance),也被称为过拟合(overfitting)。
1139 0
|
算法 测试技术
吴恩达《Machine Learning Yearning》总结(11-20章)
11.何时修改开发集、测试集和度量指标 开展一个新项目,尽快选好开发集和测试集;例子,根据度量指标A分类器排在B分类器前面,但是团队认为B分类器在实际产品上优于A分类器,这时就需要考虑修改开发集和测试集,或者评价指标了。
1609 0
|
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
1527 0