MétaCan
Menu
Retour à la cohorte
Enregistrement W2137353910 · doi:10.1109/ccece.1998.685604

FPGA implementation of the guided scrambling line coding technique

2002· article· en· W2137353910 sur OpenAlexaff
C.D. Murphy, L.C. Dickinson, I.J. Fair

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCellular Automata and Applications
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésScramblingComputer scienceField-programmable gate arrayLine codeCoding (social sciences)Code wordAlgorithmBinary numberWord (group theory)Code (set theory)Binary codeTheoretical computer scienceArithmeticComputer hardwareDecoding methodsMathematicsBasebandTelecommunications

Résumé

récupéré en direct d'OpenAlex

The guided scrambling (GS) line coding technique was introduced by Fair, Grover, Krzymien, and MacDonald (1991) as a novel mechanism to ensure that binary transmitted sequences exhibit desirable line code characteristics. We describe a field programmable gate array (FPGA) implementation of GS. The system accommodates code words of up to 32 bits in length, with one or two augmenting bits per word. It permits specification of any scrambling polynomial with degree less than or equal to 32, and through the choice of two code word selection mechanisms, can be optimized for either high transition density or minimization of low frequency content. The system is used to verify theoretical expectations for the power spectral density of the encoded stream for various scrambling parameters, and to confirm expected trends in the statistics of encoded sequences for code configurations whose theoretical analysis is impractical.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,136

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 Opus0,055
Tête enseignante GPT0,318
Écart entre enseignants0,262 · 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'étudeExpérimental (laboratoire)
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 sujetCellular Automata and ApplicationsTravaux en français237 207