MétaCan
Menu
Retour à la cohorte
Enregistrement W1947983613 · doi:10.1109/iscas.2001.921150

A novel approach based on genetic algorithm for pipelining of recursive filters

2002· article· en· W1947983613 sur OpenAlexaff
H. Safiri, Mohammad Javad Ahmadi, G.A. Jullien, William C. Miller

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Filter Design and Implementation
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésSoftware pipeliningComputer scienceInfinite impulse responseParallel computingAlgorithmRecursion (computer science)Genetic algorithmArithmeticDigital filterFilter (signal processing)MathematicsSoftware

Résumé

récupéré en direct d'OpenAlex

Look-ahead pipelining is an approach for pipelining IIR filters by adding cancelling poles and zeros to the transfer function. Several modifications of the original look-ahead pipelining have been presented by different authors, Soderstrand et al. (1995) and Lim and Lin (1992), in order to obtain more stable filters with smaller hardware. In this paper a method based on Genetic Algorithm (GA) for optimization of the look-ahead pipelining technique is presented. The presented technique offers improvement over the previously published techniques both in reducing the hardware complexity, and the magnitude of superfluous poles. Finally by allowing extra hardware in the form of shift and add rather than full multipliers further improvements in the magnitude of superfluous poles is obtained with small additional hardware.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,297

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 Opus0,066
Tête enseignante GPT0,262
Écart entre enseignants0,196 · 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'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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Filter Design and ImplementationTravaux en français237 207