Bit-Error Resilient Index Assignment for Multiple Description Scalar Quantizers
Notice bibliographique
Résumé
This paper addresses the problem of increasing the robustness to bit errors for two description scalar quantizers. Our approach is to start with an m-diagonal index assignment and further apply a permutation to the indexes of each description to increase the minimum Hamming distance dminof the set of valid index pairs. In particular, we show how to construct linear permutation pairs achieving dmin3, and establish a lower bound in terms of the description rate R, for the highest value of m for which such permutations exist. For the case when one description is known to be correct, we propose a new performance measure, denoted by dside,min. This represents the minimum Hamming distance of the set of indexes of one description, when the index of the other description is fixed. We prove the close connection between the problem of robust permutations design under the new criterion and the anti-bandwidth problem in a certain graph derived from a hypercube. Leveraging this connection, we settle the problem of existence of permutations achieving dside,min≥ 2, respectively dmin≥ 2, and show their construction. Further, we develop a technique for constructing linear permutation pairs achieving dside,min≥ h based on linear (R, ⌈log2 m⌉) channel codes of minimum Hamming distance h + 1. In addition, tight bounds in terms of R, on the maximum achievable value of dside,minare derived for m = 2, 3, 4.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».