MétaCan
Menu
Retour à la cohorte
Enregistrement W1975836707 · doi:10.1016/j.sigpor.2006.04.009

Perturbative corrections to stochastic resonant quantizers

2006· article· en· W1975836707 sur OpenAlexaff
Aditya A. Saha

Notice bibliographique

RevueSignal Processing · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
Thématiquestochastic dynamics and bifurcation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMathematicsProbability density functionPerturbation (astronomy)Limit (mathematics)Bounded functionSignal-to-noise ratio (imaging)Statistical physicsFunction (biology)Noise (video)Applied mathematicsMathematical analysisStatisticsPhysicsQuantum mechanicsComputer science

Résumé

récupéré en direct d'OpenAlex

This communication considers perturbative effects on 2-level and 3-level stochastic resonant (SR) quantizers. Such quantizers are briefly reviewed in the small input signal-to-noise ratio (SNR) limit. First order perturbative corrections to the optimal SNR gain and normalized threshold due to small, non-zero input SNRs and a drift in the noise probability density function (PDF) are derived. The noise PDF is assumed to belong to the family of generalized Gaussians indexed by the parameter p e [1, ∞). For p > 1, it is established that these corrections are: (i) bounded, indicating that SR quantizers are stable to such perturbative effects and (ii) can be evaluated numerically using standard mathematical functions and improper integrals. For p → 1+, the corrections are found to be singular, indicating that regular perturbation theory becomes inapplicable for such PDFs. In the limit of heavy-tailed noise PDFs two important results are as follows: (i) the corrections to the SNR gains of 2-level and 3-level quantizers due to a variation in the PDF are equal; (ii) the correction to the normalized threshold of the 2-level quantizer due to a variation in the PDF vanish, but that of the 3-level quantizer do not, implying that 2-level quantizers are stabler than 3-level quantizers to variations in the PDF.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,008
Tête enseignante GPT0,244
Écart entre enseignants0,236 · 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
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

Citations4
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSignal ProcessingMême sujetstochastic dynamics and bifurcationTravaux en français237 207