MétaCan
Menu
Retour à la cohorte
Enregistrement W1504604993 · doi:10.1109/isit.1993.748411

A New Remainder Based Decoding Algorithm for Reed-Solomon Codes

2005· article· en· W1504604993 sur OpenAlexaff
Tomik Yaghoobian, Ian F. Blake

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCoding theory and cryptography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRemainderBerlekamp–Welch algorithmAlgorithmPolynomialPolynomial codeDecoding methodsEuclidean algorithmComputationList decodingComputer scienceChinese remainder theoremMathematicsSequential decodingArithmeticConcatenated error correction codeBlock code

Résumé

récupéré en direct d'OpenAlex

Conventional decoding techniques for decoding cyclic codes require the computation of power sum syndromes which can often account for a significant portion of the decoder computations. Since the syndromes can be computed from the remainder polynomial, the polynomial obtained by dividing the received polynomial by the code generator polynomial, it follows that this polynomial contains all the information required to decode. Thus one might hope for a decoding technique that uses the remainder polynomial directly. Berlekamp and Welch have given such an algorithm which requires the sequential testing of the parity check locations and updating of four polynomials. Whiting in his doctoral thesis has given a modification of this procedure that makes more efficient the evaluation and updating of these polynomials. The present work derives a new algorithm using only the remainder polynomial. A new key equation is derived which may be solved by the usual Euclidean algorithm. The advantages of this approach are discussed and compared to the original algorithm and a performance of the algorithm in terms of computational and circuit complexity is considered.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,257
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCoding theory and cryptographyTravaux en français237 207