MétaCan
Menu
Retour à la cohorte
Enregistrement W2018485278 · doi:10.1109/tcsi.2009.2023770

Minimax Design of IIR Digital Filters Using SDP Relaxation Technique

2009· article· en· W2018485278 sur OpenAlexaff
Aimin Jiang, Hon Keung Kwan

Notice bibliographique

RevueIEEE Transactions on Circuits and Systems I Regular Papers · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAnalog and Mixed-Signal Circuit Design
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMinimaxMathematical optimizationBisection methodMathematicsSemidefinite programmingRelaxation (psychology)Infinite impulse responseAlgorithmLimit (mathematics)Iterative methodComputer scienceDigital filterFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

This paper presents a new algorithm using semidefinite programming (SDP) relaxation to design infinite impulse response digital filters in the minimax sense. Unlike traditional design algorithms that try to directly minimize the error limit, the proposed algorithm employs a bisection searching procedure to locate the minimum error limit of the approximation error. Given a fixed error limit at each iteration, the SDP relaxation technique is adopted to formulate the design problem in a convex form. In practice, the true minimax design cannot be always obtained. Thus, a regularized feasibility problem is adopted in the bisection searching procedure. The stability of the designed filters can also be guaranteed by adjusting the regularization coefficient. Unlike other sequential design methods, the proposed algorithm tries to find a feasible solution at each iteration of the sequential design procedure within a feasible set defined by the relaxed constraints. This feasible set is not restricted within the neighborhood of a given point obtained from the previous iteration. Thus, the proposed method can avoid being trapped in the locally minimum point. Four examples are presented in this paper to demonstrate the effectiveness of the proposed method.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,208
Écart entre enseignants0,185 · 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'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

Citations35
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Circuits and Systems I Regular PapersMême sujetAnalog and Mixed-Signal Circuit DesignTravaux en français237 207