MétaCan
Menu
Retour à la cohorte
Enregistrement W1539203662 · doi:10.1017/cbo9780511841583.005

Sampling and quantization

2009· book-chapter· en· W1539203662 sur OpenAlexaff
Ha H. Nguyen, E. Shwedyk

Notice bibliographique

RevueCambridge University Press eBooks · 2009
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensUniversity of ManitobaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésKeypadComputer scienceQuantization (signal processing)Transmission (telecommunications)Sampling (signal processing)Computer graphics (images)Computer hardwareComputer visionTelecommunications

Résumé

récupéré en direct d'OpenAlex

The previous two chapters have reviewed and discussed the various characteristics of signals along with methods of describing and representing them. This chapter begins the discussion of transmitting the signals or messages using a digital communication system. Though one can easily visualize messages produced by sources that are inherently digital in nature, witness text messaging via the keyboard or keypad, two of the most common message sources, audio and video, are analog, i.e., they produce continuous time signals. To make them amenable for digital transmission it is first required to transform the analog information source into digital symbols which are compatible with digital processing and transmission. The first step in this transformation process is to discretize the time axis, which involves sampling the continuous time signal at discrete values of time. The sampling process, primarily how many samples per second are needed to exactly represent the signal, practical sampling schemes, and how to reconstruct, at the receiver, the analog message from the samples is considered first. This is followed by a brief discussion of three pulse modulation techniques, a sort of half-way house between the analog modulation methods of AM and FM and the various digital modulation–demodulation methods which are the focus of the rest of the text. Though time has been discretized by the sampling process the sample values are still analog, i.e., they are continuous variables.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,005

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 Opus0,034
Tête enseignante GPT0,216
Écart entre enseignants0,183 · 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'étudeThéorique ou conceptuel
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetNeural Networks and ApplicationsTravaux en français237 207