MétaCan
Menu
Retour à la cohorte
Enregistrement W1852079998 · doi:10.1109/pacrim.1999.799581

Block subband coding and time-varying filterbanks

2003· article· en· W1852079998 sur OpenAlexaff
Youmin Zhang, M. Zeytinoglu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensToronto Metropolitan UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésFilter bankSub-band codingAlgorithmComputer scienceCoding (social sciences)Signal processingAdaptive filterMathematicsSpeech recognitionFilter (signal processing)Digital signal processingSpeech codingComputer visionStatistics

Résumé

récupéré en direct d'OpenAlex

Adaptive block processing is a technique suitable for compressing non-stationary signals, where input blocks are first decomposed by a filterbank into subband signals. These subband signals are in turn analyzed to extract the time-varying signal parameters. We can optimize a given subband coding algorithm by introducing time-varying filterbanks, where for each input block we alter the structure of the decomposition filterbank such that a particular coding criteria is optimized. In this paper, we use time-varying filterbanks as a basis for adaptive subband coding. In particular, we analyze the relationship between adaptive block subband coding and time-varying filterbanks. We introduced a method for deriving boundary filters and entry/exit filters for the synthesis filterbanks. We show that conventional design techniques for the time-varying filterbanks exhibit many characteristics that make them less than ideal candidates for adaptive signal decomposition.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil0,332

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 savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,255
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 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
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

Citations2
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Data Compression TechniquesTravaux en français237 207