MétaCan
Menu
Retour à la cohorte
Enregistrement W2081042394 · doi:10.1145/2428736.2428759

Dynamic time warping in hardware

2012· article· en· W2081042394 sur OpenAlexaff
Kin Fun Li, James Shueyen Tai

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueTime Series Analysis and Forecasting
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésDynamic time warpingComputer scienceField-programmable gate arrayComputer hardwareBlock (permutation group theory)Embedded systemHardware architectureReal-time computingArtificial intelligenceSoftware

Résumé

récupéré en direct d'OpenAlex

The Dynamic Time Warping (DTW) algorithm is a commonly used algorithm in matching time sequence data in many applications that require some kind of similarity measure. Though effective, DTW is computationally intensive, and therefore is not suitable for real-time situations. In the past 30 years, there has been some research work on implementing DTW in hardware as a stand-alone processing unit, or as a co-processor within a larger system. This work gives a brief survey on previous work done in DTW hardware design and implementation. For many modern-day Web and intelligent applications, one must consider the real time and hardware footprint aspects of the system. A DTW single-element processing unit is proposed in order to investigate the suitability of using it as a building block for more complex architecture for embedded applications. This simple unit is designed and simulated as a Field Programmable Gate Array (FPGA) implementation using Xilinx tools. The performance results of both area and speed show great potential and ascertain DTW hardware is a worthwhile endeavor to pursue further in a systematic fashion.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,576

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 Opus0,009
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTime Series Analysis and ForecastingTravaux en français237 207