MétaCan
Menu
Retour à la cohorte
Enregistrement W2114594874 · doi:10.1109/jlt.2005.863265

Higher bit rates for dispersion-managed soliton communication systems via constrained coding

2006· article· en· W2114594874 sur OpenAlexaff
Vladimir Pechenkin, Frank R. Kschischang

Notice bibliographique

RevueJournal of Lightwave Technology · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJitterComputer scienceCoding (social sciences)Electronic engineeringCommunications systemOptical communicationChannel (broadcasting)Bit error rateDispersion (optics)AlgorithmTheoretical computer scienceTopology (electrical circuits)TelecommunicationsPhysicsOpticsMathematicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Constrained coding as a method to increase the data rate in dispersion-managed soliton (DMS) communication systems is proposed. This approach is well known and widely used in the context of magnetic and optical recording systems. This paper shows that it is also applicable to DMS systems due to certain similarities between the underlying physical channels. Since timing jitter is an important error-generating mechanism for solitons, a coding scheme specifically designed to combat pulse shifts is also presented, and its properties in the framework of a particular information-theoretic channel model are analyzed. A connection between the model used and the real physical channel is then established. Next, the coded system is compared with the original one from the channel capacity point of view with the help of numerical examples. Finally, the fact that the application of constrained coding may alleviate soliton pulse-to-pulse interaction is exploited. This, in turn, opens the door to the usage of higher-than-usual map strengths and ultimately leads to a significant increase of up to 50% in the bit rate

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)0,004
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: aucune
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
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0040,001

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 GPT0,234
Écart entre enseignants0,225 · 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
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

Citations5
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetOptical Network TechnologiesTravaux en français237 207