MétaCan
Menu
Retour à la cohorte
Enregistrement W1620343632 · doi:10.1109/isit.2015.7282685

Delay-constrained streaming of Gauss-Markov sources over erasure channels

2015· article· en· W1620343632 sur OpenAlexaff
Farrokh Etezadi, Ashish Khisti

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Communication Security Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésErasureBinary erasure channelComputer scienceAlgorithmDecoding methodsEncoderMarkov processChannel (broadcasting)Markov chainTransmission (telecommunications)Network packetUpper and lower boundsDistortion (music)Burst errorTopology (electrical circuits)MathematicsTelecommunicationsChannel capacityBandwidth (computing)Computer networkCombinatorics

Résumé

récupéré en direct d'OpenAlex

Two setups involving delay-constrained sequential transmission of a vector Gauss-Markov source over a burst-erasure channel are studied. The encoder sequentially compresses the source vectors to be transmitted in a causal fashion. The channel introduces a single erasure burst of length up to B during the transmission. In streaming with controlled-interruption, the decoder reconstructs the source vectors within average distortion D and maximum delay of T, whenever the channel packets are not erased. In streaming with ideal-playback, the decoder reconstructs all the source vectors within average distortion D and maximum delay of T. Upper and lower bounds on the minimum compression rate are derived for each setup. The bounds coincide in the high resolution regime for both cases and in large delay regime for the case of ideal-playback.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,248
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Security TechniquesTravaux en français237 207